Syllabus 

1 of 4401 

0.0.0000 

 

Course Syllabus 

Course Information 

Digital Control Systems 

ECSE 4510 

Section 1 

RPI Spring 2019 

3 cr 

 

 

Lecture 

 

MR 

4:00PM-6:50PM 

ECSE 4101 

Prerequisites or Other Requirements: 

Instructor 

Dr. Masoud Abbaszadeh 

abbasm@rpi.edu 

 

 

Office Hours: R 3:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

C. L. Phillips and H. T. Nagle, A. Chakrabortty, Digital Control System     
Analysis and Design, Prentice-Hall, 2014, 4rd ed.   

Supplemental Reference 

Katsuhiko Ogata, Discrete-Time Control Systems, Prentice-Hall, 2nd ed, 1995. 
 
J. H. Chow, D. K. Frederick, and N.W. Chbat, Discrete-Time Control Problems 
using MATLAB and the Control System Toolbox, Brooks/Cole, 2003   
 

Course Goals / Objectives 

Student Learning Outcomes 

1.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

 

 

 

Syllabus 

2 of 4401 

0.0.0000 

Grading Criteria 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

3 of 4401 

0.0.0000 

 

Course Syllabus 

Course Information 

Introduction to Engineering Analysis  ENGR 1100 

Section 

1,2,3,4,5 

RPI Spring 2019 

4 cr 

 

 

Lecture 

Section 1 
(Abu-Hakm
eh) 

MR 

8:00AM-9:50AM 

SAGE 5510 

Lecture 

Section 2 
(Abdellatef) 

MR 

12:00PM-1:50PM 

RCKTTS 211 

Lecture 

Section 3 
(Abu-Hakm
eh) 

MR 

2:00PM-3:50PM 

SAGE 4101 

Lecture 

Section 4 
(Taylor) 

TF 

12:00PM-1:50PM 

LOW 4050 

Lecture 

Gela 

TF 

2:00PM-3:50PM 

DCC 324 

Prerequisites or Other Requirements: 
This course provides an integrated treatment of Vector Mechanics (Statics) and 
Linear Algebra. It also emphasizes computer-based matrix methods for solving 
engineering problems. Students will be expected to learn key principles of Statics 
and Linear Algebra and to demonstrate computer skills with vector and matrix 
manipulations. 
 

Instructor 

Mohammed Abdellatef 

abdelm5@rpi.edu 

 

 

Office Hours: R 12:00PM-2:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Heidi Niskanen 

JEC 7th floor 
lounge 

M 10:00AM - Noon  huhtah@rpi.edu 

Yanwen Chen 

120 Cooley 
Lounge 

Monday-Friday 2-4 
PM 

cheny47@rpi.edu 

Sarah Van Houten 

JEC 7108 

T F 8:00 AM - 
10:00 AM 

vanhos3@rpi.edu 

Jonathan Robinsion  JEC 4309 

Monday 12:00 - 
3:00 PM 

robinj7@rpi.edu 

Patrick Tjandra 

CBIS 3131 

W 9:00 AM - Noon  tjandp@rpi.edu 

Syllabus 

4 of 4401 

0.0.0000 

Course Description 

An integrated development of linear algebra and statics emphasizing engineering 
applications and also incorporating computer exercises involving matrix 
techniques and calculations using available software packages. 

Course Text(s) 

Introduction to Engineering Analysis, 2015 Pearson, which includes: 
1. Statics, 14th ed., Hibeler, Chapters 1 - 8 
2. Linear Algebra, Excerpts from Linear Algebra and its Applications, 4th ed., 
Lay 2012, Chapters 9 - 11 
; You do not have access to modify this field.Introduction to Engineering 
Analysis, 2018 Pearson, which includes: 
1.Statics, 14th ed., Hibeler, Chapters 1 - 8 
2.Linear Algebra, Excerpts from Linear Algebra and its Applications, 4th ed., Lay 
2012, Chapters 9 - 1 

Supplemental Reference 

The Essentials of Linear Algebra – Research and Education Associates 
Super Review – Linear Algebra – Research and Education Associates 

Course Goals / Objectives 

Enabling students to analyze external and internal force systems acting on 
particles or rigid bodies 
Model engineering systems, draw FBD's, apply conditions of equilibrium, utilize 
vector and linear algebra to solve 
Utilize computer software to solve problems 

Course Content 

Vectors 2D and 3D.    Norm, Unit vectors, Dot product, cross product, vector 
projection 
Forces, Resultants in 2D and 3D 
Particle Equilibrium 2D and 3D 
Gauss-Jordan Elimination Method. Matrix Operations, Matrix inversion, 
Determinants (Duplicate column method and Cofactor expansion method), 
Adjoint method, Cramer's Rule 
Moments and couples 2D and 3D, Resolving a force into a force and a couple. 
Rigid Body Equilibrium (2D and 3D) 
Composite areas 
Distributed loads 
Analysis of Trusses (Method of joints, method of sections) 
Analysis of Frames. 
Analysis of Machines 
Dry Friction 
Belt Friction 

Syllabus 

5 of 4401 

0.0.0000 

Student Learning Outcomes 

1.  An ability to apply knowledge of mathematics, science, and engineering 

(ABET 3A) 

2.  number 2 
An ability to identify, formulate, and solve engineering problems (ABET 3E); 

You do not have access to modify this field.An ability to identify, formulate, 
and solve engineering problems (ABET 3E) 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

02.02.2019 

2 

Exam 

03.13.2019 

2 

Exam 

04.10.2019 

2 

Exam 

05.15.2019 

2 

Grading Criteria 

The grading system shall consist of the following components: 
a)Exams 1, 2 and 3 (2@20% + 1@15%) 55%* 
b)Homework 15% 
c)In-Class problems5% 
d)Final examination 25% 
 
TOTAL 100% 
* The lowest taken test grade will carry a weight of 15% 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

6 of 4401 

0.0.0000 

 

Course Syllabus 

Course Information 

Introduction to Engineering Design 
and Professional Development 1 

ENGR 2050 

Section 0 

RPI Spring 2019 

4 cr 

 

 

Lab 

Section 1 - 
Mohammed 
Abdellatif / 
Judith 
Obiero   

MR 

8:00AM-9:50AM 

JEC 

Lab 

Section 2 - 
Mohammed 
Abdellatif / 
Dan Gordon 

TF 

2:00PM-3:50PM 

JEC 

Lab 

Section 3 - 
Omar 
El-Shafee / 
Judith 
Obiero   

MR 

10:00AM-11:50AM 

JEC 

Lab 

Section 4 - 
Spencer 
Scott / 
Audrey 
Scranton 

MR 

10:00AM-11:50PM 

JEC 

Lab 

Section 5 - 
Spencer 
Scott    / 
Glen Gross 

MR 

12:00PM-1:50PM 

JEC 

Lab 

Section 6 - 
Yuri Gorby / 
Dan Gordon 

MR 

12:00PM-1:50PM 

JEC 

Lab 

Section 7 - 
James Lu / 
Dan Gordon 

MR 

2:00PM-3:50PM 

JEC 

Lab 

Section 8 - 
Paul Moon / 
Glen Gross   

TF 

10:00AM-11:50AM 

JEC 

Lab 

Section 9 - 
Kyle Wilt / 
Amy Corron   

TF 

10:00AM-11:50AM 

JEC 

Syllabus 

7 of 4401 

0.0.0000 

Lab 

Section 10 - 
Bill Foley / 
Dan Gordon 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 11 - 
Yuri Gorby / 
Amy 
Scranton 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 12 - 
Paul Moon / 
Glen Gross 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 13 - 
Omar 
El-Shafee / 
Judith 
Obiero 

MR 

2:00PM-3:50AM 

JEC 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
ENGR 1100 and [ENGR 1200 or ENGR1400]. Co requisite: PHYS 1200 

Instructor 

Mohammed Abdellatef 

abdelm5@rpi.edu 

 

 

Office Hours: M 2:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

None 

NA 

NA 

NA 

Course Description 

While the steps involved in the design process may change depending upon a 
variety of factors, most design experts agree that the design process starts with a 
thorough understanding of the problem, followed by a thorough exploration of 
possible concept solutions. Since design problems are by nature open-ended 
(meaning that there are many possible solutions) and multi-faceted (meaning that 
there are multiple levels of complexity), the process of problem definition 
followed by formulation of system concept solution is an iterative process that 
usually continues until a complete and unambiguous system solution is identified.   
Design is an iterative stepwise process that is best learned by doing.    As a result, 
this is primarily a project-based course. 
 
In the real world, resources are rarely considered infinite, so the best engineering 
designers learn how to implement the design process using the most efficient and 
effective methods available.    This course will teach you some of these methods.   
The ultimate goal in the engineering design process is to meet or exceed customer 
wants and needs, while reducing cost and time.    Teamwork and communication 
are essential elements of the engineering design process. Engineers who do not 

Syllabus 

8 of 4401 

0.0.0000 

know how to communicate and work effectively with others are ineffective 
designers.    Learning how to communicate in the context of the design process 
and learning how to work in a team environment are integral elements of this 
course. 

Course Text(s) 

Product Design and Development, 6th edition, by Karl Ulrich and Steven 
Eppinger, McGraw-Hill, 2015   

Supplemental Reference 

All supplemental materials are posted on LMS. 

Course Goals / Objectives 

This course will teach you about the importance of teamwork and 
communications in the context of the engineering design process.    Interactive 
professional development exercises will provide you with the knowledge and 
skills necessary for effective teamwork.    Coursework is designed to challenge 
you to improve and expand upon your oral, written and visual communication 
skills.     

Course Content 

This course will consist of two major phases.    The first phase will involve a short 
“warm-up” mini-design project that is intended to familiarize you with the major 
elements of teamwork, communication and the design process.    Students will 
work on this project in teams of two or three.    This phase will encompass the first 
four weeks of the semester and focus on the design of a system that performs a 
simple measurable function.    The second phase builds upon the teamwork, 
communication and the design process skills and involves a more complex system 
design project that will encompass the remainder of the semester.    For this 
second project, teams will be organized into groups of five to seven students.   
Instructional aspects of the course will include a weekly lecture period to 
introduce concepts that will be used during the studio-lab sessions.      Each lecture 
will typically include a short questions and answers that will be administered 
using I-clickers.    Studio-lab sessions will include formal meetings and interactive 
exercises between student teams and instructors.    Instructors will work with 
student teams on their projects and activities to help guide the team in the design 
process.    Team members should come to studio-lab sessions prepared to discuss 
design work, project assignments, and team dynamics.    On a day-to-day basis, 
your instructors may assign specific tasks to be completed by the team or by 
individual team members related to both the design process and the development 
of your team. 

Student Learning Outcomes 

1.  Students will have the capacity to solve engineering design problems, while 

instilling the importance of creativity in developing innovative solutions. 

Syllabus 

9 of 4401 

0.0.0000 

2.  Students will know how to identify customer needs, establish design 

objectives, and translate these into engineering design specifications. 

3.  Students will exercise and improve important design skills of visualization, 

calculation, experimentation, and modeling. 

4.  Students will have skills in organizing people and ideas for successful design.   

Skills include teamwork, project management, verbal and written 
communication, and documentation. 

5.  Students will be able to function on multi-disciplinary teams and 

communicate effectively. 

6.  Students will understand professional and ethical responsibility. 
7.  Students will be exposed to the importance of life long learning. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Paper 

once 

1, 2, 3, 4 

Presentation 

once 

1, 2, 3, 4 

Paper 

once 

1, 2, 3, 4, 5, 6 

Presentation 

once 

1, 2, 3, 4, 5, 6 

Performance 

once 

1, 2, 3, 4, 5, 6 

Paper 

once 

1, 2, 3, 4, 5, 6, 7 

Presentation 

once 

1, 2, 3, 4, 5, 6 

Quiz 

Weekly x 11 

1, 2, 3, 4, 5, 6 

Grading Criteria 

Overall course grades will use grade modifiers (A-, C+, etc.). Grades will be 
based upon a combination of: 
 
1.The quality of system design responses to the challenges and objectives of the 
overall course and individual projects.    This includes both the breadth and depth 
of understanding and development that communicates the technical, economic, 
social, and environmental impacts of engineering design.   
 
2.Willingness and ability to work in a team environment to explore existing and 
new approaches that present innovative and practical solutions for engineering 
system design problems. 
 
While time and effort expended toward work often reflects positively in the 
quality of project results, it cannot be, in itself, a guarantee of a high grade.   
Students will receive feedback at the end of every major assignment in the course. 
Those not doing satisfactory work will receive a written notice with an evaluation 
of what steps might be taken to improve.    The following weightings will be used 
to compute the final course grade:     
 
Mini Project - 25% of final grade 
Team Project - 50% of final grade * ICF 

Syllabus 

10 of 4401 

0.0.0000 

Attendance - 10% of final grade 
Quizzes - 15% of final grade 
 
ICF = Individual Contribution Factor 
ICF for an individual member of a team may be less than, equal to, or greater than 
one. 
Final Grade = Mini project + (ICF * Team Project) + Attendance + Quizzes 
 
During the first eleven weeks of the semester there will be a series of quizzes 
administered via LMS on topics covered in your textbook and during class.   
These LMS quizzes will be available for one week only, from Wednesday to 
Wednesday. You should take all of the weekly LMS quizzes. The highest ten out 
of eleven total quiz scores will be averaged to calculate your final quiz grade. The 
lowest quiz score will be dropped. In the Wednesday lectures there will be a 
series of un-graded surveys administered using i-Clickers. These surveys DO 
NOT replace the quizzes on LMS. 
 
See the syllabus document on the home page of LMS for further details on the 
grading breakdown. 

Attendance Policy 

Attendance at studio-lab sessions is mandatory.    A student may miss part or all of 
a studio-lab only if prior notice and/or acceptable reason is given.    Students are 
responsible for all missed content and work.    If a student misses more than two 
studio-labs, grades will be affected accordingly.    Class presentations, criticisms, 
and discussions are essential to the development of ideas in the context of the 
design and team processes.    Missing an assignment or design review without an 
authorized excuse will result in a grading penalty. All work submitted for grading 
should represent the student’s own effort.    Work that builds upon the prior work 
of others should be properly acknowledged.    Collaboration with other students is 
expected and essential within the contexts of design and team development and on 
designated team assignments.    Student should be mindful that the work they 
submit truly represents their own efforts.    Students found submitting work for a 
grade that is not their own will result in course failure.    If students are at all 
confused about the application of this policy, they should seek clarification from 
their instructor. 

Other Course Policies 

Mobile Devices: 
All mobile devices (cell/smart phones, computers, pagers, etc.) must be stored 
securely away during studio-labs and are not to be used unless specifically 
directed otherwise by the instructor. 
 

Syllabus 

11 of 4401 

0.0.0000 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of course failure. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
All work submitted for grading should represent the student’s own effort.    Work 
that builds upon the prior work of others should be properly acknowledged.   
Collaboration with other students is expected and essential within the contexts of 
design and team development and on designated team assignments.    Student 
should be mindful that the work they submit truly represents their own efforts.   
Students found submitting work for a grade that is not their own will result in 
course failure.    If students are at all confused about the application of this policy, 
they should seek clarification from their instructor. 

Other Course-Specific Information 

Studio-Lab Schedule: The planned schedule for studio-labs lists the material to be 
covered in each session, the due dates for reading and assignments    and the 
classroom activities by date. This can be found in the Syllabus document on the 
LMS home page. 
 
Materials and Supplies: Students are expected to provide their own materials and 
supplies for their projects as needed. Kits for the line tracker and mousetrap car 
mini-projects will be available for purchase.    Loaner 80-20 and motor kits are 
available for a $210 deposit for the major team project. Students will typically 
need their textbook and laptop computer (with power supply / charger) for 
studio-lab sessions.   
 
Shop Access:    Students will have supervised access to the shop at various hours. 
The shop schedule will be posted on LMS. 

 

Syllabus 

12 of 4401 

0.0.0000 

 

Course Syllabus 

Course Information 

Experimental Soil Mechanics 

CIVL 4150 

Section 01 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

10:00AM-11:50AM 

JEC 3207 

Course Website:    http://rpilms.rpi.edu/webct/cobaltMainFrame.dowebct 
Prerequisites or Other Requirements: 
Introduction to Geotechnical Engineering (CIVL 2630) 

Instructor 

Dr. Tarek Abdoun 

abdout@rpi.edu 

Office Location: JONSSN 4042 

(518) 276-6544 

Office Hours: T 11:00AM-12:00PM 

T 4:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Heba Ali 

JEC5318 

Wed:    4-5pm & Fri: 
4-5pm 

alih3@rpi.edu 

Course Description 

Fundamentals of experimental studies of soil behavior, soil properties and their 
laboratory test methods which include consolidation, compressibility, direct shear, 
static triaxial, cyclic triaxial, and other advanced geotechnical laboratory tests, 
instrumentation and measurement techniques.   

Course Text(s) 

Holtz, Kovacs and Sheahan, An Introduction to Geotechnical Engineering, 2nd 
Edition, 2011. 

Course Goals / Objectives 

To provide the student with a fundamental understanding of the experimental 
techniques available in the study of soil mechanics.     
To foster the students' ability to command basic and applied knowledge in 
geotechnical engineering. 
To design and conduct advanced level experiments and analyze and interpret 
experimental data. 
To communicate effectively.   
To foster the students' ability to present scientific results in an effective written 
format. 

Syllabus 

13 of 4401 

0.0.0000 

Course Content 

Fundamentals of experimental studies of soil behavior, soil properties and their 
laboratory test methods which include consolidation, compressibility, direct shear, 
static triaxial, cyclic triaxial, and other advanced geotechnical laboratory tests, 
instrumentation and measurement techniques. 

Student Learning Outcomes 

1.  To provide the student with a fundamental understanding of the experimental 

techniques available in the study of soil mechanics.    Specifically: 1. Ability 
to command basic and applied knowledge in geotechnical engineering; 

2.  To provide the student with a fundamental understanding of the experimental 

techniques available in the study of soil mechanics.    Specifically: 2. To 
design and conduct advanced level soil experiments;   

3.  To provide the student with a fundamental understanding of the experimental 

techniques available in the study of soil mechanics.    Specifically: 3. To 
analyze and interpret experimental data;   

4.  To provide the student with a fundamental understanding of the experimental 

techniques available in the study of soil mechanics.    Specifically: 4. To 
communicate effectively; 

5.  To provide the student with a fundamental understanding of the experimental 

techniques available in the study of soil mechanics.    Specifically: 5. Ability 
to present scientific results in an effective written format. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

2 

1, 2, 3, 4, 5 

Lab Report 

4 

1, 2, 3, 4, 5 

Homework 

6 

1, 2, 3, 4, 5 

Project 

2 

1, 5 

Grading Criteria 

Seven Homework Assignments, Five Laboratory Reports, Two Comprehensive 
Midterm Exams, Two Project Reports. 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 

Syllabus 

14 of 4401 

0.0.0000 

Submission of any assignment that is in violation of this policy will result in a 
penalty of a zero grade for the homework assignment in question, for all parties 
involved. A second offense will result in a zero grade for homework for the entire 
semester for all parties involved, with a report made to the Dean of Students 
Office. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

15 of 4401 

0.0.0000 

 

Course Syllabus 

Course Information 

Engineering Economics 

ENGR 4760 

Section 1 

RPI Fall 2019 

3 cr 

 

 

Lecture 

Section 1 

MR 

8:30AM-9:50AM 

SAGE-4101 

Prerequisites or Other Requirements: 
None 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: WF 12:00PM-1:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Woojung Kim 

JEC-5304 

M 10:00 - 1:00, R 
1:00 - 4:00 

kimw6@rpi.edu 

Course Description 

The objective is to help engineering students recognize and understand the 
importance of cost factors that are inherent in all engineering decisions. 
Development of ability to handle engineering problems that involve economic 
factors. The course includes economic environment, selections in present 
economy, value analysis, critical path economy, interest and money-time 
relationships, depreciation and valuation, capital financing and budgeting, basic 
methods for undertaking economic studies, risk, uncertainty and sensitivity, 
selections between alternatives, fixed, increment, and sunk costs, the effects of 
income taxes in economic studies, replacement studies, minimum cost formulas, 
economic studies of public projects, economic studies in public utilities. Effects 
of inflation are considered at each step 

Course Text(s) 

Park, Chan S. Fundamentals of Engineering Economics, 6th ed., 2016, Pearson, 
ISBN-10:0-13-030791-2 

Course Goals / Objectives 

Understand the time value of money through the application of several analysis 
techniques 
Understand how to depreciate assets for tax purposes and apply after tax analysis 
of assets 

Syllabus 

16 of 4401 

0.0.0000 

Understand and deal with the effect of inflation. 
Learn to include risk in the analysis and apply sensitivity analysis properly. 

Course Content 

Engineering Economic Decisions 
Time value of money 
Present worth analysis 
Annual Worth analysis 
Rate of return analysis 
Benefit/cost ratio 
Depreciation 
Income Taces 
Inflation 
Project cash flow analysis 
Project Risk 
Replacement analysis 
Independent project selection 

Student Learning Outcomes 

1.  Students should be able to understand the time value of money. 
2.  Students should learn how to apply the different methods of depreciation. 
3.  Students should be able to anaylize after tax cash flows 
4.  Students should be able to understand the effects of inflation on project 

profitability 

5.  Students should know when to replace an asset to maximize profitability 
6.  Students should understand the effect of risk on economic analysis 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

5 

1 

Exam 

10.04.2018 

1 

Homework 

1 

2 

Exam 

11.01.2018 

2 

Homework 

1 

3 

Homework 

1 

4 

Exam 

12.20.2018 

4 

Homework 

1 

5 

Exam 

12.20.2018 

5 

Exam 

12.20.2018 

6 

Grading Criteria 

Test 1, 20% 
Test 2, 20% 
Final, 30% 
Homework Assignments 20% 

Syllabus 

17 of 4401 

0.0.0000 

Quizzes: 10% 

Attendance Policy 

  While class attendance is not mandatory, it is critically important to performing 
well in this course. Assignments are discussed in detail during class and class 
attendance significantly improves both learning effectiveness and performance on 
graded course deliverables. 

Other Course Policies 

Homework will be assigned once a week and will cover topics discussed during 
that lecture.    You may seek help from your instructor or your TA’s.    You 
may only discuss it with other students. However, what you submit should be 
your own original work.      Homework will be submitted and by the due date. The 
lowest two HW grades will be deleted. 
Tests: You are supposed to work on your own in tests. The Final test will be 
comprehensive. 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or 
teamwork was allowed, a notation on the assignment should indicate your 
collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

Syllabus 

18 of 4401 

0.0.0000 

 

Course Calendar 

Session  Date 

Topic 

Readings 

Assignments 

Thursday 

Aug. 30, 2018 

Engineering Economic Decisions 

Chapter 1 

 

Thursday 

Sep. 6, 2018 

Interest: The cost of Money, Economic Equivalence 

3.1 - 3.2 

 

Thursday 

Sep. 10, 2015 

Development of Formulas for Equivalence Calculations 

3.3.1 - 3.3.3 

HW 1 

Monday 

Sep. 14, 2015 

Development of Formulas for Equivalence Calculations 

3.3.4 - 3.3.6 

 

Thursday 

Sep. 17, 2015 

Unconventional Equivalence Calculations 

3.4 

HW 2 

Monday 

Sep. 21, 2015 

Nominal and Effective Interest Rates, Equivalence Calculations 
with Effective Interest Rates 

4.1 - 4.2 

 

Thursday 

Sep. 24, 2015 

Changing Interest Rates, Debt Management 

4.4 - 4.5 

 

Monday 

Sep. 28, 2015 

Investing in Financial Assets 

4.6 

HW 3 

Thursday 

Oct. 1, 2015 

Test 1 - Chapters 1 - 4.5 

 

 

Monday 

Oct. 5, 2015 

Describing Project Cash Flow, Initial Project Screening Method  5.1 - 5.2 

 

Thursday 

Oct. 8, 2015 

Discounted Cash Flow Analysis, Variations of Present Worth 
Analysis 

5.3 - 5.4 

 

Tuesday 

Oct. 13, 2015 

Comparing Mutually Exclusive Alternatives 

5.5 

HW 4 

Thursday 

Oct. 15, 2015 

Annual Equivalent-Worth Criterion, Capital Costs vs. 
Operating Costs, Applying Annual-Worth Analysis 

6.1 - 6.3 

 

Tuesday 

Oct. 19, 2015 

Rate of Return, Methods for Finding the Rate of Return, 
Internal Rate-of-Return Criterion 

7.1 - 7.3 

 

Thursday 

Oct. 22, 2015 

Mutually Exclusive Alternatives 

7.4 

HW 5 

Monday 

Oct. 26, 2015 

Test 2 - 4.6 - 7.3 

 

 

Thursday 

Oct. 29, 2015 

Asset Depreciation, Factors Inherent in Asset Depreciation, 
Book Depreciation Methods 

9.1 - 9.3 

 

Monday 

Nov. 2, 2015 

Tax Depreciation Methods, Depletion 

9.4 - 9.5 

HW 6 

Thursday 

Nov. 5, 2015 

Corporate Taxes, Tax Treatment of Gains or Losses on 
Depreciable Assets, Income Tax Rate to be Used in Economic 
Analysis 

9.7 - 9.9 

 

Monday 

Nov. 9, 2015 

Meaning and Measure of Inflation, Equivalence Calculations 
under Inflation 

11.1 - 11.2 

HW 7 

Thursday 

Nov. 12, 2015 

Effects of Inflation on Project Cash Flows, Rate-of-Return 
Analysis Under Inflation 

11.3 - 11.4 

 

Monday 

Nov. 16, 2015 

Origins of Project Risk, Methods for Describing Project Risk, 
Probability Concepts for Investment Decisions, 

12.1 - 12.3 

HW 8 

Thursday 

Nov. 19, 2013 

Test 3 - 7.4 - 11.4 

 

 

Syllabus 

19 of 4401 

0.0.0000 

Session  Date 

Topic 

Readings 

Assignments 

Monday 

Nov. 23, 2015 

Probability Distribution of NPW, Risk Simulation, Decision 
Trees and Sequential Investment Decisions 

12.4 - 12.6 

 

Monday 

Nov. 30, 2015 

Replacement Analysis Fundamentals, Economic Service Life 

14.1 - 14.2 

 

Thursdayda
y 

Dec. 3, 2015 

Replacement Analysis when the Required Service is Long, 
Replacement Analysis with Tax Considerations 

14.3 - 14.4 

HW 9 

Monday 

Dec. 7, 2015 

Methods of Financing, Cost of Capital 

15.1 - 15.2 

 

Thursday 

Dec. 10, 2015 

Choice of MARR, Capital Budgeting 

15.3 - 15.4 

HW 10 

Wednesday 

Dec. 16, 2015 

Final Exam - Cumulative 

 

 

Syllabus 

20 of 4401 

 

Course Syllabus 

Course Information 

Modeling and Analysis of 
Uncertainty 

ENGR 2600 

Section 
1,2,3,4,5,6,7 

RPI Fall 2019 

3 cr 

 

 

Lecture 

Section 1 
(Wang) 

MR 

12:00PM-1:20PM 

TROY-2012 

Lecture 

Section 2 
(Aboul-Seou
d) 

MR 

2:00PM-3:20PM 

TROY-2012 

Lecture 

Section 3 
(Lecoz) 

TF 

8:30AM-9:50AM 

RICKTTS-211 

Lecture 

Section 4 
(Kruger) 

TF 

12:00PM-1:20PM 

DCC-324 

Lecture 

Section 5 
(Aboul-Seou
d) 

TF 

2:00PM-3:20PM 

TROY-2012 

Lecture 

Section 6 
(Alloway) 

TF 

12:00PM-1:20PM 

SAGE-3101 

Lecture 

Section 
7(Kruger) 

MR 

8:00AM-9:20AM 

JEC-4309 

Prerequisites or Other Requirements: 
MATH-1010 is a co-requisite 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: MR 4:00PM-6:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Mustafa Can Camur  CII-5119 

M, R 9:00 - 12:00 

camurm@rpi.edu 

Jesalyn Claeys 

CII-TA Room 

M, R 11:30 - 1:30, T 
4:30 - 6:30 

claeyj@rpi.edu 

Course Description 

Appreciation and understanding of uncertainties and the conditions under which 
they occur, within the context of the engineering problem-solving pedagogy of 
measurements, models, validation, and analysis. Problems and concerns in 
obtaining measurements; tabular and graphical organization of data to minimize 

Syllabus 

21 of 4401 

misinformation and maximize information; and development and evaluation of 
models. Concepts will be supported with computer demonstration. Applications to 
problems in engineering are emphasized. 
 
Prerequisites/Corequisites: Prerequisite: MATH 1010. 
 
When Offered: Fall and spring terms annually. 
 
Credit Hours: 3 

Course Text(s) 

PROBABILITY AND STATISTICS FOR ENGINEERING AND THE 
SCIENCES 9th ed. By Jay L. Devore. Cengage 2016 

Course Goals / Objectives 

Account for risk and uncertainty in design and analysis 
Create, describe, and model engineering data 
Analyze data using Minitab statistical software 
Analyze data using R language 

Course Content 

Descriptive statistics 
Probability theory 
Discrete random variables and distributions 
Continuous random variables and distributions 
Joint distributions, covariance, and correlation 
Monte Carlo simulation and Bootstrap methods 
Sampling distributions, linear combinations of random variables, point estimation, 
and standard error 
Confidence interval for a population mean 
Hypothesis testing, p-value, sample size, and power of the test 
Inference for to population means, paired t-test 
Single-factor ANOVA, and multiple comparisons 
Two-factor ANOVA without interactions 
Two-factor ANOVA with interactions 

Student Learning Outcomes 

1.  Students should be able to identify the correct distribution and use it to 

calculate probabilities, cumulative probabilities, and percentiles 

2.  Students should be able to use their knowledge of probability and statistics to 

analyze and make decisions on real-life problems 

3.  Students should know how to run Monte-Carlo simulation to gain insight on 

tough probability measures beyond the scope of the course 

4.  Students should be able understand and use the analysis of variance to make 

decisions 

Syllabus 

22 of 4401 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

5 

1 

Exam 

10.05.2018 

1 

Project 

11.30.2018 

2 

Project 

10.26.2018 

3 

Exam 

12.17.2018 

3 

Project 

12.17.2018 

4 

Grading Criteria 

3 In-class exams = 60%; 12 HW assignments = 15%; 3 projects = 15%; 
attendance and Quizzes = 10% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

Syllabus 

23 of 4401 

0.0.0000 

 

Course Calendar 

Session  Date 

Topic 

Readings 

Assignments 

1 

Aug. 31, 2018 

Overview of descriptive statistics 

 

 

2 

Sep. 4, 2018 

Overview of descriptive statistics 

 

 

3 

Sep. 7, 2018 

Samples and Events, Properties of Probability, Counting 
Techniques 

 

HW 1 

4 

Sep. 11, 2018 

Conditional Probablity, Bayes' Rule, Independence, System 
Reliability Applications 

 

 

5 

Sep. 14, 2018 

Random Varialbles, Discrete Probability Distributions, 
Expected Values 

 

HW 2 

6 

Sep. 18, 2018 

Binomial Distribution, Poisson Distribution 

 

 

7 

Sep. 21, 2018 

Continuous Probability, CDF, and Expected Values 

 

HW 3 

8 

Sep. 25, 2018 

Normal Distribution, Exponential Distribution 

 

 

9 

Sep. 28, 2018 

Joint Distributions, Expected Value, Covariance and 
Correlation 

 

HW 4, Project 1 

10 

Oct. 2, 2018 

Review session 

 

 

11 

Oct. 5, 2018 

 

 

Test 1 

12 

Oct. 12, 2018 

Monte Carlo Simulation I 

 

HW 5 

13 

Oct. 16, 2018 

Monte Carlo Simulation II 

 

 

14 

Oct. 19, 2018 

Sampling Distribution, Linear Combination of Random 
Variables 

 

HW 6 

15 

Oct. 23, 2018 

Point Estimation, Standard Error 

 

 

16 

Oct. 26, 2018 

Confidence Intervals for the Mean, Sample Size 

 

HW 7 

17 

Oct. 30, 2018 

Confidence Intervals for the Variance, Standard Deviation 

 

 

18 

Nov. 2, 2018 

Hypothesis Testing for the Mean, Power and Sample Size, 
One-Sample t-Test 

 

HW 8 

19 

Nov. 6, 2018 

Tests Concerning a Population Proportion 

 

 

20 

Nov. 9, 2018 

P-Value, Statistical and Practical Significance 

 

HW 9 

21 

Nov. 13, 2018 

 

 

Test 2 

22 

Nov. 16, 2018 

Inference for 2 Population Means 

 

 

23 

Nov. 20, 2018 

Paited-t Test 

 

 

24 

Nov. 27, 2018 

Inferences Concerning a Difference Between Population 
Proportions 

 

HW 10 

25 

Nov. 30, 2018 

Inferences Concerning Two Population Variances 

 

 

26 

Dec. 4, 2018 

Single-Factor ANOVA 

 

HW 11 

Syllabus 

24 of 4401 

0.0.0000 

Session  Date 

Topic 

Readings 

Assignments 

27 

Dec. 7, 2018 

Multiple Comparisons in ANOVA 

 

 

28 

Dec. 11, 2018 

Review 

 

HW 12 

29 

Dec. 2018 

 

 

Final Exam 

Syllabus 

25 of 4401 

 

Course Syllabus 

Course Information 

Modeling and Analysis of 
Uncertainty 

ENGR 2600 

Section 2 

RPI Summer III 2019 

3 cr 

 

 

Lecture 

Section 2 

MTRF 

12:30AM-12:20PM 

LOW-3045 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
MATH-1010 is a co-requisite 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: MR 4:00PM-6:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Wenkai Zhu 

JEC 7th floor 
Lounge 

M 1:00 pm - 4:00 
pm 

zhuw3@rpi.edu 

Course Description 

Appreciation and understanding of uncertainties and the conditions under which 
they occur, within the context of the engineering problem-solving pedagogy of 
measurements, models, validation, and analysis. Problems and concerns in 
obtaining measurements; tabular and graphical organization of data to minimize 
misinformation and maximize information; and development and evaluation of 
models. Concepts will be supported with computer demonstration. Applications to 
problems in engineering are emphasized. 
 
Prerequisites/Corequisites: Prerequisite: MATH 1010. 
 
When Offered: Fall and spring terms annually. 
 
Credit Hours: 3 

Course Text(s) 

PROBABILITY AND STATISTICS FOR ENGINEERING AND THE 
SCIENCES 9th ed. By Jay L. Devore. Cengage 2016 

Syllabus 

26 of 4401 

Course Goals / Objectives 

Account for risk and uncertainty in design and analysis 
Create, describe, and model engineering data 
Analyze data using Minitab statistical software 

Course Content 

Descriptive statistics 
Probability theory 
Discrete random variables and distributions 
Continuous random variables and distributions 
Joint distributions, covariance, and correlation 
Monte Carlo simulation and Bootstrap methods 
Sampling distributions, linear combinations of random variables, point estimation, 
and standard error 
Confidence interval for a population mean 
Hypothesis testing, p-value, sample size, and power of the test 
Inference for to population means, paired t-test 
Single-factor ANOVA, and multiple comparisons 
One-Factor ANOVA, ANOVA with Blocks 
Two-Factor ANOVA with Interaction 

Student Learning Outcomes 

1.  Students should be able to work with different probability distributions and 

understand the stichastic nature of data 

2.  Students should be able to compare performance of different stochastic 

systems 

3.  Students should know how to run Monte-Carlo simulation to gain insight on 

tough probability measures beyond the scope of the course 

4.  Students should be able to make statistical inference about means in the form 

of confidence intervals and hypothesis tests.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Project 

1 

1 

Project 

1 

2 

Project 

1 

3 

Project 

1 

4 

Grading Criteria 

In-class exams = 2 @15% =30%; Quizzes: 10%, 12 HW/Attendace/Quizzes = 
25%; 3 projects = 10%, Final exam: 35% 

 

Syllabus 

27 of 4401 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

28 of 4401 

 

Course Syllabus 

Course Information 

Statistical Analysis 

ISYE 4140 

Section 1 

RPI Summer III 2019 

4 cr 

 

 

Lecture 

Section 1 
(Aboul-Seou
d) 

MTRF 

1:30PM-3:20PM 

LOW-3051 

Course Website:   
http://https://lms.rpi.edu/webapps/blackboard/content/listContentEditable.jsp?cont
ent_id=_23590_1&course_id=_478_1 
Prerequisites or Other Requirements: 
ENGR 2600 and knowledge of calculus. 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: W 4:00PM-6:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Xin Zhang 

CII-5028 

T 10:00 - 12:00 

zhangx22@rpi.edu 

Course Description 

Review of simple and multiple regression, selection procedures, regression 
diagnostics, residual analysis, stepwise regression, analysis of variance, design of 
experiments including factorial experiments, analysis of ordinal data and 
nonparametric inference, basic time series models. Extensive use of statistical 
software. Emphasis on statistical applications to industrial engineering. 

Course Text(s) 

1)Required: (DVJ): Probability and Statistics for Engineering and the Sciences, 
DeVore, J., 8th ed., Brooks/Cole. 2012. 978-0538733526 (same text for ENGR 
2600; 9ed is also ok) 
2)Required: (KNNL): Applied Linear Statistical Models, Kutner, M. H., 
Nachtsheim, C. J., Neter, J., Li, W., 5th ed., McGraw-Hill Higher Education. 
2005. 978-0073108742 (this book can be found online) 
 

Supplemental Reference 

The R Book, Crawley, M. J., Wiley. (this book can be found online). 

Syllabus 

29 of 4401 

Course Goals / Objectives 

Introduce various statistical topics and learn to solve statistical problems using R 
Students should be able to master basic probability and statistics tools learned in 
ENGR-2600 
Analyze simple linear regression problems 
Analyze a solve multiple linear regression models 
Perform model diagnostics to pick the right variables 
Perform residual analysis, stepwise regression, and analysis of variance 

Course Content 

Overview and Descriptive Statistics 
Review of Probability   
Sampling Distribution 
Point Estimation 
Confidence Interval 
Hypothesis Testing 
Introduction to Linear Regression 
Multiple Regression I   
Multiple Regression II – Generalized HT 
Multiple Regression II – Multicollinearity 
Analysis of Variance 1-way ANOVA 
Analysis of Means 
2-Way ANOVA 

Student Learning Outcomes 

1.  Students should master probability and statistics 
2.  Students should be able to use the R software and write code to solve 

probability and statistics problems 

3.  Students should be able to explain, analyze, and solve simple linear regression 

problems 

4.  Students should be able to analyze, solve, and check analysis of variance 

problems. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

07.27.2018 

1 

Exam 

07.27.2018 

2 

Exam 

08.17.2018 

3 

Exam 

08.17.2018 

4 

Grading Criteria 

Homework                                                                      30% 
Labs                                                                                          20% 
Mid-Term                                                                          20% 
Final Exam                                                                      30% 

Syllabus 

30 of 4401 

 

Attendance Policy 

Class participation is part of this course. In general, you should not enroll in this 
course if you anticipate a number of absences. There will be approximately and 
randomly one in-class advanced placement (AP) quiz every week. These in-class 
AP quizzes, which are different from the take-home quizzes, are extra credits to 
be added to your mid-term or final exam grade, depending on when the quizzes 
are taken. No make-up quizzes will be given. These quizzes are simple questions 
designed to help you recall important concepts taught in previous.   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
There is a zero-tolerance policy for cheating, defined as representing someone 
else’s work as your own or knowingly letting other’s represent your work as 
theirs. Students should familiarize themselves with student rights and 
responsibilities for academic dishonesty and procedures described in the 
Rensselaer Handbook (http://www.rpi.edu/dept/doso/handbook.html). Submission 
of any assignment that is in violation of the policy described in the handbook will 
result in a penalty of a zero in that assignment. Serious violations will be directed 
to the Dean of Student Office for further investigation. If you have any question 
concerning this policy before submitting an assignment, please ask for 
clarification. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

31 of 4401 

 

Course Syllabus 

Course Information 

Facility Design 

ISYE 4250 

Section 1 

RPI Spring 2019 

3 cr 

 

 

Lecture 

Section 1 
(Aboul-Seou
d) 

TF 

12:00PM-1:20PM 

CII-3045 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
  ISYE 2210 or equivalent, ISYE 4140 or equivalent, and an introductory 
operations research course. 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: T 4:00PM-6:00PM 

F 3:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Xin Zhang 

ISE Students 
Lounge 

M, R 2:00 - 3:00 

zhangx22@rpi.edu 

Course Description 

An in-depth study of the major design issues in location and physical 
configuration of production and service facilities. The course emphasizes the use 
of mathematical models, computer modeling, and quantitative analysis as aids to 
the design process. Topics include plant layout and location, material handling, 
material flow analysis, and distribution systems. Major course concepts are 
developed through case studies and projects. 

Course Text(s) 

Tompkins, Facilities Planning, 4th ed., 2010, John Wiley & Sons, ISBN : 
978-0-470-44404-7. 
 
 

Supplemental Reference 

WAREHOUSE & DISTRIBUTION SCIENCE 
Release 0.98 

Syllabus 

32 of 4401 

 

Course Goals / Objectives 

Develop an understanding of the importance of facility design on overall logistics 
systems 
Develop engineering skill in the design and analysis of complex facilities.   
Provide team-based design experience through use of case studies and computer 
analysis. 

Course Content 

Input Data and Activities 
Flow and Activity Relationships 
Space Requirements 
Selling your Plan 
Economic Justification 
Material Handling Systems 
Line Balancing 
Warehousing and Distribution 
Facilities Location 

Student Learning Outcomes 

1.  Students should be able to calculate the number of required machines for a 

particular production facility and the optimal number of machines per operator 

2.  Being able to use REL Diagrams to minimize the travel waste in a facility 
3.  Students should be able to properly design a cell 
4.  Students should be able to properly balance a production line to minimize 

bottlenecks 

5.  Students should be able to use different methods to select a facility location to 

minimize the total and maximum travel cost 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

1 

1 

Exam 

1 

1 

Homework 

1 

2 

Exam 

1 

2 

Homework 

1 

3 

Exam 

05.02.2019 

3 

Homework 

1 

4 

Exam 

05.02.2019 

4 

Homework 

1 

5 

Exam 

05.02.2019 

5 

Grading Criteria 

Homework Assignments20% 

Syllabus 

33 of 4401 

Project30% 
Midterm exam,20% 
Final exam,30% 
 

Attendance Policy 

Attendance is extremely important.    The course is fast pace and you’re expected 
to participate in class discussions 

Other Course Policies 

Homework will be assigned on a weekly basis and will cover topics discussed in 
the previous week.    You may seek help from your instructor or your TA’s.    You 
may only discuss it with other students.    However, what you submit should be 
your own work.    Homework submitted after due date will not be graded.    The 
lowest HW grade will be dropped. 
 
Project will be a team-based.    You need to form a team of 4 students early in the 
semester.    Details of term project will be given to you shortly. 
 
Tests:    You are supposed to work on your own in tests.    The Final test will be 
comprehensive. 
 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

34 of 4401 

 

Course Syllabus 

Course Information 

Modeling and Analysis of 
Uncertainty 

ENGR 2600 

Section 
1,2,3,4,5,6,7,8,
9,10 

RPI Spring 2019 

3 cr 

 

 

Lecture 

Section 1 
(Kang) 

MR 

12:00PM-1:20PM 

TROY-2012 

Lecture 

Section 2 
(Kang) 

MR 

2:00PM-3:20PM 

TROY-2012 

Lecture 

Section 3 
(Dahal) 

TF 

8:30AM-9:50AM 

LOW-4050 

Lecture 

Section 4 
(Dahal) 

TF 

12:00PM-1:20PM 

SAGE-3510 

Lecture 

Section 5 
(Dahal) 

TF 

2:00PM-3:20PM 

TROY-2018 

Lecture 

Section 6 
(Korolov) 

MR 

8:30AM-9:50AM 

LOW-4050 

Lecture 

Section 
7(Wang) 

TF 

12:00PM-1:20PM 

CARNEG-201 

Lecture 

Section 
8(Wang) 

MR 

2:00PM-3:20PM 

CARNEG-201 

Lecture 

Section 9 
(Abu-Hakm
eh) 

MR 

4:00PM-5:20PM 

JEC-3210 

Lecture 

Section 10 
(Korolov) 

TF 

12:00PM-1:20PM 

JEC-3207 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
MATH-1010 is a co-requisite 

Instructor 

Dr. Mohamed Aboul-Seoud 

aboulm@rpi.edu 

Office Location: LOW 5009 

(518) 276-2317 

Office Hours: F 1:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Nicholas 
Vecchiarello 

CBIS-3216 

M, F 8:30 - 11:30 

vecchn@rpi.edu 

Syllabus 

35 of 4401 

James Garofsalo 

CII-1038 

M, R 4:00 - 6:00 

garofj@rpi.edu 

Bhawana Goel 

CII-5105 

T, F 12:00 - 2:00 

goelb@rpi.edu 

Molly Renaud 

CII-5128 

M, R 1:00 - 3:00 

renaum2@rpi.edu 

Yin Li 

JEC 6th Fl 
Lounge 

F 3:00 - 5:00 

liy34@rpi.edu 

Yin Li 

JEC 6th Fl 
Lounge 

By appointment 

liy34@rpi.edu 

Yeming Shen 

CII-5105 

By appointment 

sheny15@rpi.edu 

Il-Young Son 

JEC 6th Floor 
Lounge 

M 10:00 - 11:30 

soni3@rpi.edu 

Deniz Koyuncu 

JEC 6th Floor 
Lounge 

M 1:30 - 3:00 

koyund@rpi.edu 

Mustafa Can Camur  CII-5125 

M, W 3:00 - 5:00 

camurm@rpi.edu 

Course Description 

Appreciation and understanding of uncertainties and the conditions under which 
they occur, within the context of the engineering problem-solving pedagogy of 
measurements, models, validation, and analysis. Problems and concerns in 
obtaining measurements; tabular and graphical organization of data to minimize 
misinformation and maximize information; and development and evaluation of 
models. Concepts will be supported with computer demonstration. Applications to 
problems in engineering are emphasized. 
 
Prerequisites/Corequisites: Prerequisite: MATH 1010. 
 
When Offered: Fall and spring terms annually. 
 
Credit Hours: 3 

Course Text(s) 

PROBABILITY AND STATISTICS FOR ENGINEERING AND THE 
SCIENCES 9th ed. By Jay L. Devore. Cengage 2016 

Course Goals / Objectives 

Account for risk and uncertainty in design and analysis 
Create, describe, and model engineering data 
Analyze data using Minitab statistical software 

Course Content 

Descriptive statistics 
Probability theory 
Discrete random variables and distributions 
Continuous random variables and distributions 
Joint distributions, covariance, and correlation 
Monte Carlo simulation and Bootstrap methods 

Syllabus 

36 of 4401 

Sampling distributions, linear combinations of random variables, point estimation, 
and standard error 
Confidence interval for a population mean 
Hypothesis testing, p-value, sample size, and power of the test 
Inference for to population means, paired t-test 
Single-factor ANOVA, and multiple comparisons 
One-Factor ANOVA, ANOVA with Blocks 
Two-Factor ANOVA with Interaction 

Student Learning Outcomes 

1.  Students should be able to work with different probability distributions and 

understand the stichastic nature of data 

2.  Students should be able to compare performance of different stochastic 

systems 

3.  Students should know how to run Monte-Carlo simulation to gain insight on 

tough probability measures beyond the scope of the course 

4.  Students should be able to make statistical inference about means in the form 

of confidence intervals and hypothesis tests.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Project 

1 

1 

Project 

1 

2 

Project 

1 

3 

Project 

1 

4 

Grading Criteria 

In-class exams = 2 @15% =30%; Quizzes: 10%, 12 HW/Attendace/Quizzes = 
25%; 3 projects = 10%, Final exam: 35% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 

Syllabus 

37 of 4401 

If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

38 of 4401 

 

Course Syllabus 

Course Information 

Inter-networking of Things (IoT) 

ECSE 4964 

Section 01 

RPI Spring 2019 

3 cr 

 

 

Lecture 

 

W 

2:00PM-3:20PM 

JEC 4107 

Course Website:    http://rpilms.rpi.edu/webct/entryPageIns.dowebct 
Prerequisites or Other Requirements: 
There are no mandatory prerequisites, but it will be vey helpful if the student has 
a good understanding of computer networks basics at the level of ECSE-4670 or 
equivalent, and a basic level of mathematical ability at the level of ECSE-2500 or 
equivalent. If unsure, consult with the instructor. 

Instructor 

Mr. Alhussein Abouzeid 

abouzeid@ecse.rpi.edu 

Office Location: JONSSN 6038 

(518) 276-6534 

Office Hours: TF 3:30PM-4:30PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Ahsan Naqvi 

JEC 5312 

M/T 4pm-6pm; 
-W/R/F 11am-1pm 
and 4pm-6pm 

naqvis2@rpi.edu 

Yu Wang 

JEC 5312 

M/T 4pm-6pm; 
-W/R/F 11am-1pm 
and 4pm-6pm 

wangy52@rpi.edu 

Course Description 

The course provides an in-depth study of the technologies and protocols involved 
in building the Internet-of-Things (IoT), with specific focus on networking at the 
edge of the Internet. This includes understanding of wireless communication and 
link layer technologies, multi-access and scheduling mechanisms, mobility 
models, routing in disconnected networks, energy-efficient edge networking, loss 
tolerant transport protocols, and their applications to emerging areas such as 
vehicular networks, RFID systems and smart buildings. The course also discussed 
IoT Security and data/content distribution, aggregation, and compression. This 
course has a strong emphasis on hands-on experience utilizing Raspberry Pi’s, 
Arduino’s, and NI software radio boards, and a significant part of the course 
assessment will be based on a final project focused on building a wireless based 
application such as indoor localization for IoT devices. Students are encouraged 
to suggest their own individual projects. 

Syllabus 

39 of 4401 

Course Text(s) 

No required textbooks.   

Supplemental Reference 

This is an advanced-level course, and much of the material covered in this course 
may not be available in textbook form. Reference material will be provided for 
each lecture.   
Supplemental textbooks list (not required): 
1.Olivier Hersent, David Boswarthick and Omar Elloumi, The Internet of Things: 
Key Applications and Protocols, 2nd ed., Wiley, 2012. 
2.Holger Karl and Andreas Willig, Protocols and Architectures for Wireless 
Sensor Networks, 1st ed., Wiley, 2007. 
3.Vijay Garg, Wireless Communications and Networking, Morgan Kauffman, 
2007. 
4.Savo Glisic, Advanced Wireless Communications and Internet: Future Evolving 
Technologies, 3rd ed., 2011. 
5.Jack L. Burbank, Julia Andrusenko, Jared S. Everett and William T.M. Kasch, 
Wireless Networking: Understanding Internetworking Challenges, Wiley, 2013. 
 

Course Goals / Objectives 

  The students who finish this course in a satisfactory manner will be able to 
demonstrate an ability to understand, design and evaluate: i) wireless PHY layer 
technologies; ii) key wireless access technologies used in the Internet-of-Things; 
iii) key routing algorithms and protocols used in the Internet-of-Things; iv) 
low-overhead transport protocols that are suited for IoT applications; v) mobility 
models and mobility handling protocols for the Internet-of-Things; vi) security 
mechanisms used for IoT communication over wireless; vii) data compression and 
aggregation methods in sensor IoT networks; viii) integrated IoT solutions critical 
in emerging domains such as vehicular networks, RFID systems and smart 
buildings. 

Course Content 

Introduction; Physical / MAC / Network / Transport Layers for IoT; IoT Mobility; 
IoT Security; IoT Data Aggregation/Compression; RFID Systems; Vehicular 
Networks; Smart Buildings. 

Student Learning Outcomes 

1.  Demonstrate knowledge of wireless physical layer fundamentals for IoT. 
2.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the medium access layer. 

3.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the network layer. 

4.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the transport layer. 

Syllabus 

40 of 4401 

5.  Demonstrate knowledge of the fundamental IoT challenges and optimization, 

and handling mobility and dynamism. 

6.  Demonstrate knowledge of the fundamental IoT security challenges and 

basics of cryptography, with applications to confidentiality, authentication, 
and wireless 802.11 security. 

7.  Demonstrate knowledge of the fundamental IoT challenges in sensor/actuator 

networks. 

8.  Develop critical skills for developing and assessing IoT systems. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

Approx. 
Bi-weekly 

1, 2, 3, 4, 5, 6, 7 

Lab Report 

Approx. 
Bi-weekly 

1, 2, 3, 4, 5, 6, 7 

Project 

04.26.2019 

8 

Grading Criteria 

1.Homework assignments 30% 
2.Laboratory assignments 30% 
3.Final project (implementation and demonstration) 40%   
 
For ECSE 6964, a more advanced final project is expected, compared to a basic 
level project for ECSE 4964 students. 

Attendance Policy 

Lecture attendance is not required. However, some laboratory assignments and 
the final project require demonstration of the work to the TAs and/or the 
Instructor in the lab at times indicated in each lab assignment. 

Other Course Policies 

The percentage of the grade for each assessment measure has been noted above.   
•Students will receive their graded assessment measures regularly as the class 
progresses, as well as an anonymous list of grades received by other students. 
•A student may appeal a grade by discussion with the instructor. 
•A student may discuss and develop homework assignment solutions with a 
colleague, but may not copy homework solutions from any source.   
•A student who knows that he/she cannot meet the deliverable deadline for an 
assessment measure may request an exception from the instructor ahead of time. 
In general, permission may be granted by the instructor if the student has a valid 
excuse (which is usually supported by a letter from the Dean of Students). In 
these approved cases, the instructor will work with the student to replace the 
grade or reschedule the due date, depending on whether the course schedule 
allows it (e.g. the graded homework and solutions have not yet been distributed 
back to students).   

Syllabus 

41 of 4401 

•A student who misses a due date without prior arrangements will receive a zero 
grade unless they can show a sudden unplanned event together with documented 
proof. An interview or a regular common cold that does not include an official 
note are not    sudden events and hence are not valid excuses.   
 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts, which violate this trust, undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities define 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all individual assignments that are turned in for a grade 
must represent the student’s own work. In cases where help was received, or 
teamwork was allowed, a notation on the assignment should indicate your 
collaboration. Plagiarism is also forbidden. A grade of zero will be given on the 
first assignment where a violation is detected. If there is a subsequent infraction 
the student will receive a grade of F for the course. Standard reporting procedures 
will be followed including reporting to the Dean of Undergraduate education. 
A grade of zero will be given on the first assignment where a violation is detected. 
If there is a subsequent infraction the student will receive a grade of F for the 
course. Standard reporting procedures will be followed including reporting to the 
Dean of Undergraduate education. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
This is an advanced-level course that includes recently published results not yet 
available in textbook form. However, all of the reference material is available at 
Rensselaer’s Library, mostly in digital form. RensSearch at 
http://library.rpi.edu/setup.do will thus be a very useful tool for you to 
conveniently locate (and often electronically download) the course material. 

 

Syllabus 

42 of 4401 

 

Course Syllabus 

Course Information 

Inter-networking of Things (IoT) 

ECSE 6964 

Section 01 

RPI Spring 2019 

3 cr 

 

 

Lecture 

 

W 

2:00PM-3:20PM 

JEC 4107 

Course Website:    http://rpilms.rpi.edu/webct/entryPageIns.dowebct 
Prerequisites or Other Requirements: 
There are no mandatory prerequisites, but it will be vey helpful if the student has 
a good understanding of computer networks basics at the level of ECSE-4670 or 
equivalent, and a basic level of mathematical ability at the level of ECSE-2500 or 
equivalent. If unsure, consult with the instructor. 

Instructor 

Mr. Alhussein Abouzeid 

abouzeid@ecse.rpi.edu 

Office Location: JONSSN 6038 

(518) 276-6534 

Office Hours: TF 3:30PM-4:30PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Ahsan Naqvi 

JEC 5312 

M/T 4pm-6pm; 
-W/R/F 11am-1pm 
and 4pm-6pm 

naqvis2@rpi.edu 

Yu Wang 

JEC 5312 

M/T 4pm-6pm; 
-W/R/F 11am-1pm 
and 4pm-6pm 

wangy52@rpi.edu 

Course Description 

The course provides an in-depth study of the technologies and protocols involved 
in building the Internet-of-Things (IoT), with specific focus on networking at the 
edge of the Internet. This includes understanding of wireless communication and 
link layer technologies, multi-access and scheduling mechanisms, mobility 
models, routing in disconnected networks, energy-efficient edge networking, loss 
tolerant transport protocols, and their applications to emerging areas such as 
vehicular networks, RFID systems and smart buildings. The course also discussed 
IoT Security and data/content distribution, aggregation, and compression. This 
course has a strong emphasis on hands-on experience utilizing Raspberry Pi’s, 
Arduino’s, and NI software radio boards, and a significant part of the course 
assessment will be based on a final project focused on building a wireless based 
application such as indoor localization for IoT devices. Students are encouraged 
to suggest their own individual projects. 

Syllabus 

43 of 4401 

Course Text(s) 

No required textbooks.   

Supplemental Reference 

This is an advanced-level course, and much of the material covered in this course 
may not be available in textbook form. Reference material will be provided for 
each lecture.   
Supplemental textbooks list (not required): 
1.Olivier Hersent, David Boswarthick and Omar Elloumi, The Internet of Things: 
Key Applications and Protocols, 2nd ed., Wiley, 2012. 
2.Holger Karl and Andreas Willig, Protocols and Architectures for Wireless 
Sensor Networks, 1st ed., Wiley, 2007. 
3.Vijay Garg, Wireless Communications and Networking, Morgan Kauffman, 
2007. 
4.Savo Glisic, Advanced Wireless Communications and Internet: Future Evolving 
Technologies, 3rd ed., 2011. 
5.Jack L. Burbank, Julia Andrusenko, Jared S. Everett and William T.M. Kasch, 
Wireless Networking: Understanding Internetworking Challenges, Wiley, 2013. 
 

Course Goals / Objectives 

  The students who finish this course in a satisfactory manner will be able to 
demonstrate an ability to understand, design and evaluate: i) wireless PHY layer 
technologies; ii) key wireless access technologies used in the Internet-of-Things; 
iii) key routing algorithms and protocols used in the Internet-of-Things; iv) 
low-overhead transport protocols that are suited for IoT applications; v) mobility 
models and mobility handling protocols for the Internet-of-Things; vi) security 
mechanisms used for IoT communication over wireless; vii) data compression and 
aggregation methods in sensor IoT networks; viii) integrated IoT solutions critical 
in emerging domains such as vehicular networks, RFID systems and smart 
buildings. 

Course Content 

Introduction; Physical / MAC / Network / Transport Layers for IoT; IoT Mobility; 
IoT Security; IoT Data Aggregation/Compression; RFID Systems; Vehicular 
Networks; Smart Buildings. 

Student Learning Outcomes 

1.  Demonstrate knowledge of wireless physical layer fundamentals for IoT. 
2.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the medium access layer. 

3.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the network layer. 

4.  Demonstrate knowledge of the fundamental IoT concepts and challenges at 

the transport layer. 

Syllabus 

44 of 4401 

5.  Demonstrate knowledge of the fundamental IoT challenges and optimization, 

and handling mobility and dynamism. 

6.  Demonstrate knowledge of the fundamental IoT security challenges and 

basics of cryptography, with applications to confidentiality, authentication, 
and wireless 802.11 security. 

7.  Demonstrate knowledge of the fundamental IoT challenges in sensor/actuator 

networks. 

8.  Develop critical skills for developing and assessing IoT systems. 
9.  Develop skills for conducting research projects in IoT (for ECSE 6964 

students only). 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

Approx. 
Bi-weekly 

1, 2, 3, 4, 5, 6, 7 

Lab Report 

Approx. 
Bi-weekly 

1, 2, 3, 4, 5, 6, 7 

Project 

04.26.2019 

8, 9 

Grading Criteria 

1.Homework assignments 30% 
2.Laboratory assignments 30% 
3.Final project (implementation and demonstration) 40%   
 
For ECSE 6964, a more advanced final project is expected, compared to a basic 
level project for ECSE 4964 students. 

Attendance Policy 

Lecture attendance is not required. However, some laboratory assignments and 
the final project require demonstration of the work to the TAs and/or the 
Instructor in the lab at times indicated in each lab assignment. 

Other Course Policies 

The percentage of the grade for each assessment measure has been noted above.   
•Students will receive their graded assessment measures regularly as the class 
progresses, as well as an anonymous list of grades received by other students. 
•A student may appeal a grade by discussion with the instructor. 
•A student may discuss and develop homework assignment solutions with a 
colleague, but may not copy homework solutions from any source.   
•A student who knows that he/she cannot meet the deliverable deadline for an 
assessment measure may request an exception from the instructor ahead of time. 
In general, permission may be granted by the instructor if the student has a valid 
excuse (which is usually supported by a letter from the Dean of Students). In 
these approved cases, the instructor will work with the student to replace the 
grade or reschedule the due date, depending on whether the course schedule 

Syllabus 

45 of 4401 

allows it (e.g. the graded homework and solutions have not yet been distributed 
back to students).   
•A student who misses a due date without prior arrangements will receive a zero 
grade unless they can show a sudden unplanned event together with documented 
proof. An interview or a regular common cold that does not include an official 
note are not    sudden events and hence are not valid excuses.   
 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts, which violate this trust, undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities define 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all individual assignments that are turned in for a grade 
must represent the student’s own work. In cases where help was received, or 
teamwork was allowed, a notation on the assignment should indicate your 
collaboration. Plagiarism is also forbidden. A grade of zero will be given on the 
first assignment where a violation is detected. If there is a subsequent infraction 
the student will receive a grade of F for the course. Standard reporting procedures 
will be followed including reporting to the Dean of Undergraduate education. 
A grade of zero will be given on the first assignment where a violation is detected. 
If there is a subsequent infraction the student will receive a grade of F for the 
course. Standard reporting procedures will be followed including reporting to the 
Dean of Undergraduate education. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
This is an advanced-level course that includes recently published results not yet 
available in textbook form. However, all of the reference material is available at 
Rensselaer’s Library, mostly in digital form. RensSearch at 
http://library.rpi.edu/setup.do will thus be a very useful tool for you to 
conveniently locate (and often electronically download) the course material. 

 

Syllabus 

46 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Engineering Analysis  ENGR 1100 

Section 

1,2,3,4,5 

RPI Spring 2019 

4 cr 

 

 

Lecture 

Section 1 
(Abu-Hakm
eh) 

MR 

8:00AM-9:50AM 

SAGE 5510 

Lecture 

Section 2 
(Abdellatef) 

MR 

12:00PM-1:50PM 

RCKTTS 211 

Lecture 

Section 3 
(Abu-Hakm
eh) 

MR 

2:00PM-3:50PM 

SAGE 4101 

Lecture 

Section 4 
(Taylor) 

TF 

12:00PM-1:50PM 

LOW 4050 

Lecture 

Gela 

TF 

2:00PM-3:50PM 

DCC 324 

Prerequisites or Other Requirements: 
This course provides an integrated treatment of Vector Mechanics (Statics) and 
Linear Algebra. It also emphasizes computer-based matrix methods for solving 
engineering problems. Students will be expected to learn key principles of Statics 
and Linear Algebra and to demonstrate computer skills with vector and matrix 
manipulations. 
 

Instructor 

Ahmad Abu-Hakmeh 

abuhaa2@rpi.edu 

 

 

Office Hours: R 12:00PM-2:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Heidi Niskanen 

JEC 7th floor 
lounge 

M 10:00AM - Noon  huhtah@rpi.edu 

Yanwen Chen 

120 Cooley 
Lounge 

Monday-Friday 2-4 
PM 

cheny47@rpi.edu 

Sarah Van Houten 

JEC 7108 

T F 8:00 AM - 
10:00 AM 

vanhos3@rpi.edu 

Jonathan Robinsion  JEC 4309 

Monday 12:00 - 
3:00 PM 

robinj7@rpi.edu 

Patrick Tjandra 

CBIS 3131 

W 9:00 AM - Noon  tjandp@rpi.edu 

Syllabus 

47 of 4401 

Course Description 

An integrated development of linear algebra and statics emphasizing engineering 
applications and also incorporating computer exercises involving matrix 
techniques and calculations using available software packages. 

Course Text(s) 

Introduction to Engineering Analysis, 2015 Pearson, which includes: 
1. Statics, 14th ed., Hibeler, Chapters 1 - 8 
2. Linear Algebra, Excerpts from Linear Algebra and its Applications, 4th ed., 
Lay 2012, Chapters 9 - 11 
; You do not have access to modify this field.Introduction to Engineering 
Analysis, 2018 Pearson, which includes: 
1.Statics, 14th ed., Hibeler, Chapters 1 - 8 
2.Linear Algebra, Excerpts from Linear Algebra and its Applications, 4th ed., Lay 
2012, Chapters 9 - 1 

Supplemental Reference 

The Essentials of Linear Algebra – Research and Education Associates 
Super Review – Linear Algebra – Research and Education Associates 

Course Goals / Objectives 

Enabling students to analyze external and internal force systems acting on 
particles or rigid bodies 
Model engineering systems, draw FBD's, apply conditions of equilibrium, utilize 
vector and linear algebra to solve 
Utilize computer software to solve problems 

Course Content 

Vectors 2D and 3D.    Norm, Unit vectors, Dot product, cross product, vector 
projection 
Forces, Resultants in 2D and 3D 
Particle Equilibrium 2D and 3D 
Gauss-Jordan Elimination Method. Matrix Operations, Matrix inversion, 
Determinants (Duplicate column method and Cofactor expansion method), 
Adjoint method, Cramer's Rule 
Moments and couples 2D and 3D, Resolving a force into a force and a couple. 
Rigid Body Equilibrium (2D and 3D) 
Composite areas 
Distributed loads 
Analysis of Trusses (Method of joints, method of sections) 
Analysis of Frames. 
Analysis of Machines 
Dry Friction 
Belt Friction 

Syllabus 

48 of 4401 

Student Learning Outcomes 

1.  An ability to apply knowledge of mathematics, science, and engineering 

(ABET 3A) 

2.  number 2 
An ability to identify, formulate, and solve engineering problems (ABET 3E); 

You do not have access to modify this field.An ability to identify, formulate, 
and solve engineering problems (ABET 3E) 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

02.02.2019 

2 

Exam 

03.13.2019 

2 

Exam 

04.10.2019 

2 

Exam 

05.15.2019 

2 

Grading Criteria 

The grading system shall consist of the following components: 
a)Exams 1, 2 and 3 (2@20% + 1@15%) 55%* 
b)Homework 15% 
c)In-Class problems5% 
d)Final examination 25% 
 
TOTAL 100% 
* The lowest taken test grade will carry a weight of 15% 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

49 of 4401 

 

Course Syllabus 

Course Information 

Modeling and Analysis of 
Uncertainty 

ENGR 2600 

Section 
1,2,3,4,5,6,7,8,
9,10 

RPI Spring 2019 

3 cr 

 

 

Lecture 

Section 1 
(Kang) 

MR 

12:00PM-1:20PM 

TROY-2012 

Lecture 

Section 2 
(Kang) 

MR 

2:00PM-3:20PM 

TROY-2012 

Lecture 

Section 3 
(Dahal) 

TF 

8:30AM-9:50AM 

LOW-4050 

Lecture 

Section 4 
(Dahal) 

TF 

12:00PM-1:20PM 

SAGE-3510 

Lecture 

Section 5 
(Dahal) 

TF 

2:00PM-3:20PM 

TROY-2018 

Lecture 

Section 6 
(Korolov) 

MR 

8:30AM-9:50AM 

LOW-4050 

Lecture 

Section 
7(Wang) 

TF 

12:00PM-1:20PM 

CARNEG-201 

Lecture 

Section 
8(Wang) 

MR 

2:00PM-3:20PM 

CARNEG-201 

Lecture 

Section 9 
(Abu-Hakm
eh) 

MR 

4:00PM-5:20PM 

JEC-3210 

Lecture 

Section 10 
(Korolov) 

TF 

12:00PM-1:20PM 

JEC-3207 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
MATH-1010 is a co-requisite 

Instructor 

Ahmad Abu-Hakmeh 

abuhaa2@rpi.edu 

 

 

Office Hours: F 1:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Nicholas 
Vecchiarello 

CBIS-3216 

M, F 8:30 - 11:30 

vecchn@rpi.edu 

Syllabus 

50 of 4401 

James Garofsalo 

CII-1038 

M, R 4:00 - 6:00 

garofj@rpi.edu 

Bhawana Goel 

CII-5105 

T, F 12:00 - 2:00 

goelb@rpi.edu 

Molly Renaud 

CII-5128 

M, R 1:00 - 3:00 

renaum2@rpi.edu 

Yin Li 

JEC 6th Fl 
Lounge 

F 3:00 - 5:00 

liy34@rpi.edu 

Yin Li 

JEC 6th Fl 
Lounge 

By appointment 

liy34@rpi.edu 

Yeming Shen 

CII-5105 

By appointment 

sheny15@rpi.edu 

Il-Young Son 

JEC 6th Floor 
Lounge 

M 10:00 - 11:30 

soni3@rpi.edu 

Deniz Koyuncu 

JEC 6th Floor 
Lounge 

M 1:30 - 3:00 

koyund@rpi.edu 

Mustafa Can Camur  CII-5125 

M, W 3:00 - 5:00 

camurm@rpi.edu 

Course Description 

Appreciation and understanding of uncertainties and the conditions under which 
they occur, within the context of the engineering problem-solving pedagogy of 
measurements, models, validation, and analysis. Problems and concerns in 
obtaining measurements; tabular and graphical organization of data to minimize 
misinformation and maximize information; and development and evaluation of 
models. Concepts will be supported with computer demonstration. Applications to 
problems in engineering are emphasized. 
 
Prerequisites/Corequisites: Prerequisite: MATH 1010. 
 
When Offered: Fall and spring terms annually. 
 
Credit Hours: 3 

Course Text(s) 

PROBABILITY AND STATISTICS FOR ENGINEERING AND THE 
SCIENCES 9th ed. By Jay L. Devore. Cengage 2016 

Course Goals / Objectives 

Account for risk and uncertainty in design and analysis 
Create, describe, and model engineering data 
Analyze data using Minitab statistical software 

Course Content 

Descriptive statistics 
Probability theory 
Discrete random variables and distributions 
Continuous random variables and distributions 
Joint distributions, covariance, and correlation 
Monte Carlo simulation and Bootstrap methods 

Syllabus 

51 of 4401 

Sampling distributions, linear combinations of random variables, point estimation, 
and standard error 
Confidence interval for a population mean 
Hypothesis testing, p-value, sample size, and power of the test 
Inference for to population means, paired t-test 
Single-factor ANOVA, and multiple comparisons 
One-Factor ANOVA, ANOVA with Blocks 
Two-Factor ANOVA with Interaction 

Student Learning Outcomes 

1.  Students should be able to work with different probability distributions and 

understand the stichastic nature of data 

2.  Students should be able to compare performance of different stochastic 

systems 

3.  Students should know how to run Monte-Carlo simulation to gain insight on 

tough probability measures beyond the scope of the course 

4.  Students should be able to make statistical inference about means in the form 

of confidence intervals and hypothesis tests.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Project 

1 

1 

Project 

1 

2 

Project 

1 

3 

Project 

1 

4 

Grading Criteria 

In-class exams = 2 @15% =30%; Quizzes: 10%, 12 HW/Attendace/Quizzes = 
25%; 3 projects = 10%, Final exam: 35% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 

Syllabus 

52 of 4401 

If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

53 of 4401 

 

Course Syllabus 

Course Information 

Database Systems 

CSCI 4380 

Section 01 

RPI Fall 2019 

4 cr 

 

 

Lecture 

 

MR 

2:00PM-3:50PM 

Darrin 324 

Course Website:    http://www.cs.rpi.edu/~sibel/csci4380/fall2019/index.html 
Prerequisites or Other Requirements: 
This is an upper level computer science course. As a result, it assumes a level of 
academic maturity appropriate for a student in their junior or senior year. It also 
requires good working knowledge of data structures and algorithms, and 
proficiency in C++ programming or Python (equivalent of CSCI-2300). 

Instructor 

Professor Sibel Adali 

sibel@cs.rpi.edu 

Office Location: LALLY 313 

(518) 276-8047 

Office Hours: W 3:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Angela Su 

Amos Eaton 
118 

Th 10AM-12PM, Th 
4PM-6PM 

sua2@rpi.edu 

Fei Xie 

Amos Eaton 
118 

Tu 4PM-6PM W 
5PM-7PM 

xief2@rpi.edu 

Course Description 

This course provides an introduction to database systems, with a special emphasis 
on data modeling and programming. We will learn the fundamentals of database 
management systems and discuss how these fundamentals affect the best 
application design principles for databases. This course assumes no previous 
background in database systems.    You will be expected to learn the use of 
computing systems on your own. 

Course Text(s) 

Database Systems: The Complete Book (2nd Edition), by Hector Garcia-Molina, 
Jeffrey D. Ullman, and Jennifer Widom. ISBN: 0131873253, Prentice Hall. 

Syllabus 

54 of 4401 

Course Goals / Objectives 

Student Learning Outcomes 

1.  apply principles of normalization to design a data model that leads to the 

development of high performance data intensive applications 

2.  write correct and efficient code that implements application logic for high 

throughput data operations 

3.  apply understanding of the internals of database management systems to 

proper tuning of the data model, code and storage methods 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

Every week 

1, 2, 3 

Exam 

2 in-class exams 
in a semester, 
final exam 
during finals 
week 

1, 2, 3 

Quiz 

Roughly every 
week 

1, 2, 3 

Grading Criteria 

Quizzes (14%), Homeworks (36%), Midterms (15% each), Comprehensive Final 
Exam (20%).   
 
To pass this course, you must get an unweighted average of 60 in your midterm 
and final exams regardless of your homework and quiz grades. This is a firm rule 
and will be determined by the test average rounded to the nearest integer. 
Exceptions will not be made. 
 
There will be regular in class quizzes. The expected frequency is once every 
week. Two of the lowest quiz grades will be dropped. The quizzes will count for 
14% of your final grade.   
 
There will be homeworks roughly every week.    The homeworks will count for 
36% of your total grade. Some homeworks will be programming projects. Please 
see below for homework grading policy. 
 
I will use the following chart to convert your year-end average to a letter grade. 
 
A : 93-100, A-: 90-92 , B+: 87-89, B : 83-86, B-: 80-82, 
C+: 77-79, C : 73-76, C-: 70-72, D+: 67-69, D : 60-66, 
F : 0-59 
 
I reserve the right to lower these cutoff points, but I will never raise them. 

Syllabus 

55 of 4401 

Attendance Policy 

You are not required to attend the classes, but you are responsible for knowing the 
topics covered and any announcements made in class and attend the quizzes. 
Missed quizzes cannot be made up even with a valid excuse. If you have an 
extended absence, talk to the professor. 

Other Course Policies 

You are responsible for all the information posted in this syllabus including the 
course policies as well as any announcements made in class or posted on Piazza. 
You must use Piazza for all course related questions.   
 
The well-being of students is of primary importance.    You are expected to 
communicate to the instructor any issue regarding your performance in the class 
ahead of time. This includes absence from exams, late homeworks, inability to 
perform an assigned task, problems with your group members, the need for extra 
time on exams or other accommodations.    You should be prepared to provide 
sufficient proof of any circumstances on which you are making a special request 
as outlined in the Rensselaer Handbook of Student Rights and Responsibilities. If 
you are facing any challenges related to your health and safety, please do not 
hesitate to get in touch to discuss ways we can put you in the best possible 
position to succeed.     
 
As part of the course material, you are expected to learn how to use a number of 
software products and frameworks. You will be given sufficient advance notice of 
such expectations and links to the appropriate study material. You are responsible 
for learning the software needed for the class. 
 
Homework Policy: Homeworks in this class are optional. If you skip a homework, 
your next exam's point value will be incremented by the point value of the 
homework. Point value of each homework will be given at each assignment. If 
you submit a homework, you accept that the homework grade will count towards 
your final grade. You may not ask a homework grade to be excluded from your 
grade computation once you submit it.   
 
Late Homework Policy: Late assignments create an extra burden on your TA and 
delay the discussion of the solutions in class. Late homeworks will not be 
accepted. Homework assignments must be submitted electronically by the given 
deadline.   
 
Grade Appeal Policy: If you disagree with the grading on a homework, you 
should appeal to the TA first to maintain consistency in grading. If you are not 
satisfied with the outcome,    you should then appeal to the instructor. For exam 
grading, appeal directly to the instructor. Appeals must be made within one week 
after the specific grade is returned. 
 

Syllabus 

56 of 4401 

Taking Exams: All exams will be open book and open notes. You may not use 
any electronic tools during exams including cell phones, tablets and calculators, 
and you may not share your notes with anybody during exams. If you will be 
absent from exams or have other circumstances requiring exceptions, you must 
get an official excuse from the Student Experience office (se@rpi.edu). 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
Cheating and Academic Dishonesty will not be tolerated. All your course work 
should provide an honest effort in solving the assigned problem by yourself (and 
by your group partners for group assignments). You are allowed to work with 
other students in designing algorithms, in interpreting error messages, in 
discussing strategies for finding bugs, but NOT in writing code or writing down 
solutions. Even if you discuss the problems with other students (or other teams), 
you should write down your own solution or program (without looking at any 
written solution) when turning in an assignment.     
 
You may not share, copy, or discuss in detail code or solutions while writing it or 
afterwards. You may not show your code or solutions to other students as a means 
of helping them. You may not leave online, printed copies or drafts of your 
solutions in publicly accessible areas, such as labs, workstations, dorms, etc. You 
may not post complete or partial answers to homeworks in any public forum, 
especially on Piazza before the due date to make sure all students had a chance to 
work on the problems on their own. You may not give other students access to 
your solutions on paper, online, on the cloud, leaving copies of your solutions on 
public printers, keeping your computers unlocked or not password protected or 
giving your passwords to another student.   
 
If you are found to have cheated on a homework, you will receive a zero on the 
given homework. Furthermore, you will no longer be allowed to submit future 
homeworks for credit. All remaining homework points will be transferred to 
exams. The penalty is the same whether you have given your own solutions or 
taken solutions from someone.   
 

Syllabus 

57 of 4401 

Note that you may not post homeworks in online forums or get others to solve 
your homeworks. This type of cheating will result in an immediate failing grade 
in this course. 
 
Cheating in exams will result in an immediate failing grade in this course and will 
be immediately reported to the Dean of Students. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
There may be changes to the policies, deadlines and list of topics described in the 
syllabus. You can expect me to give you reasonable notice of any changes. All 
changes will be announced in class. 

Syllabus 

58 of 4401 

0.0.0000 

 

Course Calendar 

Session  Date 

Topic 

Readings 

Assignments 

Week 1 

Aug. 29, 2019 

Introduction to Database Systems and Relational Data Model (2 
classes) 

Chapters 1, 2.1, 2.2 

 

Week 2-3 

Sep. 3, 2019 

Data Modeling - Normalization (3 classes) 

Chapter 2, 3 

 

Week 3-4 

Sep. 12, 2019 

Entity Relationship Models (2 classes) 

Chapter 3, 4 

 

Week 4-5 

Sep. 19, 2019 

Catch up (2 classes) 

 

 

Week 5 

Sep. 26, 2019 

Exam #1 

 

 

Week 6 

Sep. 30, 2019 

SQL Language (3 classes) 

Chapter 6 

 

Week 7 

Oct. 10, 2019 

Constraints and Triggers (1 class) 

Chapter 7 

 

Week 8 

Oct. 17, 2019 

Views and Indexes (1 class) 

Chapter 8 

 

Week 9 

Oct. 21, 2018 

SQL in a server environment (2 lectures) 

Course notes, 
Chapter 9   

 

Week 10 

Oct. 28, 2019 

Catch up (1 class) 

 

 

Week 10 

Oct. 31, 2019 

Exam #2 

 

 

Week 11 

Nov. 4, 2019 

Secondary Storage Management (1 class) 

Chapter 13 

 

Week 11 

Nov. 7, 2019 

Index Structures (2 classes) 

Chapter 14 

 

Week 12-13 

Nov. 14, 2019 

Query Execution (2 classes) 

Chapter 15 

 

Week 13-14 

Nov. 21, 2019 

Query Compiler (2 classes) 

Chapter 16 

 

Week 15 

Dec. 2, 2019 

Transaction Management (3 classes) 

Chapters 17, 18, 19 

 

Finals Week   

Final Exam 

 

 

Syllabus 

59 of 4401 

 

Course Syllabus 

Course Information 

Bioengineering Laboratory 

BMED 4010 

Section 1,2,3,4 

RPI Fall 2019 

4 cr 

 

 

Lecture 

All students 

TF 

10:00AM-10:50AM 

Walker 6113 

Lab 

Sections 
2,3,4 

TWR 

1:00PM-3:50PM 

JEC 5213 

Lab 

Section 1 

W 

9:00AM-11:50AM 

JEC 5213 

Course Website:   
http://https://lms.rpi.edu/webapps/blackboard/content/listContentEditable.jsp?cont
ent_id=_147702_1&course_id=_2092_1 
Prerequisites or Other Requirements: 
Human Physiology 

Instructor 

Monica Agarwal 

agarwm2@rpi.edu 

 

 

Office Hours: MTWRF 2:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Matthew Tice 

JEC 7045 

M 2-4 pm 

ticem2@rpi.edu 

Patrick Tjandra 

JEC 7045 

T 2-4 pm 

tjandp@rpi.edu 

Tyree Williams 

JEC 7045 

W 2-4 pm 

willit13@rpi.edu 

Jennifer Rico Varela  JEC 7045 

F 2-4 pm 

ricovj@rpi.edu 

Course Text(s) 

Biomedical Technology and Devices Handbook. Moore J, Zouridakis G. (Eds.) 
Boca Raton: CRC Press. 2004. 
Hard Copy not required   

Course Goals / Objectives 

Students who successfully complete the course should be able to 1.demonstrate 
the operating principles and describe the characteristics of a variety of diagnostic 
and therapeutic instruments. 
2.identify, and subsequently avoid (or minimize) causes for inaccuracy in these 
instruments.   
3.properly display, analyze, and communicate experimental methods, results, and 
measurement errors through brief, thorough, and well-organized laboratory 
reports. 

Syllabus 

60 of 4401 

4.recognize and avoid conditions that may injure or damage an instrument, the 
system to which the instrument is applied, or the operator.   
5.comprehensively document their activities in a legible manner.   
6.identify and utilize resources from outside the laboratory where they can obtain 
further information regarding laboratory safety, regulations, and standard 
operating procedures.   

 

Student Learning Outcomes 

1.  3b. An ability to design and conduct experiments, as well as to analyze and 

interpret data 

2.  3g. An ability to communicate effectively 
3.  3k. An ability to use techniques, skills, and modern engineering tools 

necessary for engineering practice 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Notebook 

1 

2 

Presentation 

1 

2 

C1_Q11 

1 

3 

C1_Q9 

1 

3 

C2_Q1-1, 1-2, 1-4 

1 

3 

C2_Q 2-1, 2-2 

1 

3 

Labview assignment 

1 

3 

Grading Criteria 

Item#Items@Points Per ItemTotal Points 
Labview Learning assignment3 @ 100300 
Lab Turn Ins for Common Labs 2@100 points200 
Lab Turn Ins 1st and 2nd in Secondary Sequence Labs 2@100 points 200 
Lab Turn Ins 1st and 2nd in Primary Sequence Labs2@100 points 200 
Lab Report for 3rd in Strong Sequence Labs 1@200 points 200 
Lab Report for Design of Experiments 1@250 points 250 
Gates, Design of Experiments2@100 points200 
Prelabs/Quizzes (lowest one dropped)10@10 points 100 
Notebooks 1@250 points 250 
Peer Assessment3@100 points 300 
Exam1@250 points250 
Attendance1@150 points150 
Laboratory participation10@10 points100 
DOE Presentation1@ 300300 
Total 3000 

 

Syllabus 

61 of 4401 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

62 of 4401 

 

Course Syllabus 

Course Information 

Bioengineering Laboratory 

BMED 4010 

Section 1,2,3 

RPI Summer I 2019 

4 cr 

 

 

Lecture 

All students 

W 

9:00AM-11:00AM 

LOW 3051 

Lab 

Sections 
1,2,3 

TWR 

1:30PM-4:20PM 

JEC 5213 

Course Website:   
http://https://lms.rpi.edu/webapps/blackboard/content/listContentEditable.jsp?cont
ent_id=_147702_1&course_id=_2092_1 
Prerequisites or Other Requirements: 
Human Physiology 

Instructor 

Monica Agarwal 

agarwm2@rpi.edu 

 

 

Office Hours: MW 2:00PM-4:00PM 

TR 10:00AM-12:00PM 
F 2:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Michael Bramson 

JEC 7045 

M 2-4 pm 

bramsm@rpi.edu 

Heidi Niskanen 

JEC 7045 

R 10 - 12 noon 

huhtah@rpi.edu 

Sarah von houten 

JEC 7045 

F 2-3pm 

vanhos3@rpi.edu 

Course Text(s) 

Biomedical Technology and Devices Handbook. Moore J, Zouridakis G. (Eds.) 
Boca Raton: CRC Press. 2004. 
Hard Copy not required   

Course Goals / Objectives 

Students who successfully complete the course should be able to 1.demonstrate 
the operating principles and describe the characteristics of a variety of diagnostic 
and therapeutic instruments. 
2.identify, and subsequently avoid (or minimize) causes for inaccuracy in these 
instruments.   
3.properly display, analyze, and communicate experimental methods, results, and 
measurement errors through brief, thorough, and well-organized laboratory 
reports. 

Syllabus 

63 of 4401 

4.recognize and avoid conditions that may injure or damage an instrument, the 
system to which the instrument is applied, or the operator.   
5.comprehensively document their activities in a legible manner.   
6.identify and utilize resources from outside the laboratory where they can obtain 
further information regarding laboratory safety, regulations, and standard 
operating procedures.   

 

Student Learning Outcomes 

1.  3b. An ability to design and conduct experiments, as well as to analyze and 

interpret data 

2.  3g. An ability to communicate effectively 
3.  3k. An ability to use techniques, skills, and modern engineering tools 

necessary for engineering practice 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Notebook 

1 

2 

Presentation 

1 

2 

C1_Q11 

1 

3 

C1_Q9 

1 

3 

C2_Q1-1, 1-2, 1-4 

1 

3 

C2_Q 2-1, 2-2 

1 

3 

Labview assignment 

1 

3 

Grading Criteria 

Item#Items@Points Per ItemTotal Points 
Labview Learning assignment3 @ 100300 
Lab Turn Ins for Common Labs 2@100 points200 
Lab Turn Ins 1st and 2nd in Secondary Sequence Labs 2@100 points 200 
Lab Turn Ins 1st and 2nd in Primary Sequence Labs2@100 points 200 
Lab Report for 3rd in Strong Sequence Labs 1@200 points 200 
Lab Report for Design of Experiments 1@250 points 250 
Gates, Design of Experiments2@100 points200 
Prelabs/Quizzes (lowest one dropped)10@10 points 100 
Notebooks 1@250 points 250 
Peer Assessment3@100 points 300 
Exam1@250 points250 
Attendance1@150 points150 
Laboratory participation10@10 points100 
DOE Presentation1@ 300300 
Total 3000 

 

Syllabus 

64 of 4401 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

65 of 4401 

 

Course Syllabus 

Course Information 

Biomaterials Science and 
Engineering   

BMED 2100 

Section 1 

RPI Summer I 2019 

4 cr 

 

 

Lecture 

 

MR 

8:00AM-9:50AM 

Sage 4101 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
None 

Instructor 

Monica Agarwal 

agarwm2@rpi.edu 

 

 

Office Hours: M 10:00AM-11:00AM 

WF 4:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Sarah Van Houten 

CBIS 1133 

W and F 4 - 5pm 

vanhos3@rpi.edu 

Course Text(s) 

1.Biomaterials: The Intersection of Biology and Materials Science. Authors: 
Temenoff, Mikos 
2.Biomaterials Science, Third Edition: An Introduction to Materials in Medicine. 
Authors: Ratner, Hoffman, Schoen, Lemons. Publisher: Elsevier   

Course Goals / Objectives 

Introduction to different classes of biomaterials (metals, ceramics, polymers and 
their composites), the host response to implanted biomaterials, and some practical 
professional issues concerning the field of biomaterials. Topics include 
structure-function relationships (material composition and properties), 
protein/cell-material interactions, characterization methods, and FDA regulations. 

Course Content 

Introduction to different classes of biomaterials (metals, ceramics, polymers and 
their composites), the host response to implanted biomaterials, and some practical 
professional issues concerning the field of biomaterials. Topics include 
structure-function relationships (material composition and properties), 
protein/cell-material interactions, characterization methods, and FDA regulations. 

Syllabus 

66 of 4401 

Student Learning Outcomes 

1.  1.Structure-property relationships in ceramic, metal, and polymer 

biomaterials.   

2.Basic principles and applications of techniques used to characterize the surface 

and bulk properties of materials, as well as the biological response to 
materials. 

3.Basic biomedical applications of ceramic, metal, and polymer biomaterials. 
4.An awareness of the regulations guiding the use of biomaterials.   
 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

3 

1 

Grading Criteria 

One Midterm Exams - worth 25%. 
2. One Final Exam – worth 25%. 
3. Four Quizzes    - 20% 
4. Class Attendance 5% 
5. Laboratory Activities 25% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of failing the course 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

67 of 4401 

 

Course Syllabus 

Course Information 

Bioengineering Laboratory 

BMED 4010 

Section 1,2,3,4 

RPI Spring 2019 

4 cr 

 

 

Lecture 

All students 

TF 

9:00AM-9:50AM 

RICKETTS 

211 

Lab 

Sections 3,4  WR 

1:00PM-3:50PM 

JEC 5213 

Lab 

Section 1,2 

W 

9:00AM-11:50AM 

JEC 5213 

Course Website:   
http://https://lms.rpi.edu/webapps/blackboard/content/listContentEditable.jsp?cont
ent_id=_59237_1&course_id=_1216_1 
Prerequisites or Other Requirements: 
Human Physiology 

Instructor 

Monica Agarwal 

agarwm2@rpi.edu 

 

 

Office Hours: M 10:00AM-11:00AM 

RF 11:00AM-12:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Amy Loya 

JEC 7045 

F 10 -11am 

loyaa@rpi.edu 

Dan Yeisly 

JEC 7045 

Monday 2 - 3 

yeisld@rpi.edu 

Jason Smith 

JEC 7045 

T 4 - 5pm 

smithj28@rpi.edu 

Course Text(s) 

Biomedical Technology and Devices Handbook. Moore J, Zouridakis G. (Eds.) 
Boca Raton: CRC Press. 2004. 
Hard Copy not required   

Course Goals / Objectives 

Students who successfully complete the course should be able to 1.demonstrate 
the operating principles and describe the characteristics of a variety of diagnostic 
and therapeutic instruments. 
2.identify, and subsequently avoid (or minimize) causes for inaccuracy in these 
instruments.   
3.properly display, analyze, and communicate experimental methods, results, and 
measurement errors through brief, thorough, and well-organized laboratory 
reports. 

Syllabus 

68 of 4401 

4.recognize and avoid conditions that may injure or damage an instrument, the 
system to which the instrument is applied, or the operator.   
5.comprehensively document their activities in a legible manner.   
6.identify and utilize resources from outside the laboratory where they can obtain 
further information regarding laboratory safety, regulations, and standard 
operating procedures.   

 

Student Learning Outcomes 

1.  3b. An ability to design and conduct experiments, as well as to analyze and 

interpret data 

2.  3g. An ability to communicate effectively 
3.  3k. An ability to use techniques, skills, and modern engineering tools 

necessary for engineering practice 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Report 

1 

1 

Lab Notebook 

1 

2 

Presentation 

1 

2 

C1_Q11 

1 

3 

C1_Q9 

1 

3 

C2_Q1-1, 1-2, 1-4 

1 

3 

C2_Q 2-1, 2-2 

1 

3 

Labview assignment 

1 

3 

Grading Criteria 

Item#Items@Points Per ItemTotal Points 
Labview Learning assignment1 @ 200200 
SOE safety quiz 1 @ 100100 
Lab Turn Ins for Common Labs 2@100 points200 
Lab Turn Ins 1st and 2nd in Secondary Sequence Labs 2@100 points 200 
Lab Turn Ins 1st and 2nd in Primary Sequence Labs2@100 points 200 
Lab Report for 3rd in Strong Sequence Labs 1@200 points 200 
Lab Report for Design of Experiments 1@250 points 250 
Gates, Design of Experiments2@100 points200 
Prelabs/Quizzes (lowest one dropped)10@10 points 100 
Notebooks 1@250 points 250 
Peer Assessment3@100 points 300 
Exam1@250 points250 
Attendance1@150 points150 
Laboratory participation10@10 points100 
DOE Presentation1@ 300300 

Syllabus 

69 of 4401 

Total 3000 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

70 of 4401 

 

Course Syllabus 

Course Information 

Biomaterials Science and 
Engineering   

BMED 2100 

Section 2 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

8:00AM-9:50AM 

Sage 4101 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
None 

Instructor 

Monica Agarwal 

agarwm2@rpi.edu 

 

 

Office Hours: M 10:00AM-11:00AM 

WF 4:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Ahmad Arabiyat 

CBIS 1133 

W and F 4 - 5pm 

arabia@rpi.edu 

Course Text(s) 

1.Biomaterials: The Intersection of Biology and Materials Science. Authors: 
Temenoff, Mikos 
2.Biomaterials Science, Third Edition: An Introduction to Materials in Medicine. 
Authors: Ratner, Hoffman, Schoen, Lemons. Publisher: Elsevier   

Course Goals / Objectives 

Introduction to different classes of biomaterials (metals, ceramics, polymers and 
their composites), the host response to implanted biomaterials, and some practical 
professional issues concerning the field of biomaterials. Topics include 
structure-function relationships (material composition and properties), 
protein/cell-material interactions, characterization methods, and FDA regulations. 

Course Content 

Introduction to different classes of biomaterials (metals, ceramics, polymers and 
their composites), the host response to implanted biomaterials, and some practical 
professional issues concerning the field of biomaterials. Topics include 
structure-function relationships (material composition and properties), 
protein/cell-material interactions, characterization methods, and FDA regulations. 

Syllabus 

71 of 4401 

Student Learning Outcomes 

1.  1.Structure-property relationships in ceramic, metal, and polymer 

biomaterials.   

2.Basic principles and applications of techniques used to characterize the surface 

and bulk properties of materials, as well as the biological response to 
materials. 

3.Basic biomedical applications of ceramic, metal, and polymer biomaterials. 
4.An awareness of the regulations guiding the use of biomaterials.   
 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

3 

1 

Grading Criteria 

. Two Midterm Exams (worth 15% each, 30% total). 
2. One Final Exam – worth 15%. 
3. Four Quizzes    - 20% 
4. Class Attendance 5% 
5. Laboratory Activities 30% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of Failing the course 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

72 of 4401 

 

Course Syllabus 

Course Information 

Behavioral Financial Economics 

ECON 4962 

Section 1 

RPI Fall 2019 

4 cr 

 

 

Lecture 

1,2 

MR 

10:00AM-11:50AM 

LOW 4040 

Prerequisites or Other Requirements: 
ECON 1200 or IHSS 1200 
and an approved statistics course: ENGR 2600, MGMT 2100, MATP 4600, or 
PSYC 2310. 

Instructor 

Billur Aksoy 

aksoyb3@rpi.edu 

 

 

Office Hours: MR 12:00PM-1:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This course describes how individuals and firms make financial decisions, and 
how those decisions might deviate from those predicted by traditional financial or 
economic theory. The course examines how the insights of behavioral economics 
complement the traditional finance paradigm by introducing some of the main 
psychological biases in financial decision-making and examining the impacts of 
these biases in financial markets and other financial settings. It will also introduce 
students to behavioral and experimental methodologies in finance, economics, 
and other disciplines. 

Course Text(s) 

Required Text: Pompian, Michael M. 2012. November 2011. Behavioral Finance 
and Wealth Management: How to Build Investment Strategies That Account for 
Investor Biases, 2nd Edition, Wiley: New Jersey,     
ISBN: 978-1-118-18229-1 

Supplemental Reference 

Individual articles will be posted on blackboard (LMS).   
We will also use MobLab. Moblab is a survey and experiment/game platform that 
we will most likely use in class. You can either use your laptop or portable 
devices to participate. However, laptop usage is highly recommended. Do not 

Syllabus 

73 of 4401 

create an account or pay for the subscription yet. More information will be 
provided in class.     

Course Goals / Objectives 

Course Content 

History of Behavioral Financial Economics. 
A Survey of Behavioral Financial Economics 
Cognitive Dissonance Bias 
Conservatism Bias 
Confirmation Bias.   
Representativeness Bias 
Illusion of Control Bias 
Hindsight Bias 
Mental Accounting Bias 
Anchoring and Adjustment Bias 
Framing Bias 
Availability Bias 
Self-Attribution Bias 
Recency Bias 
Loss Aversion Bias 
Overconfidence Bias 
Self-Control Bias 
Status Quo Bias 
Endowment Bias 
Regret Aversion Bias 
Ambiguity Aversion Bias 
Optimism Bias 

Student Learning Outcomes 

1.  Students will learn, know, and comprehend some of the main psychological 

biases in financial decision-making.   

 

2.  Students become aware of the current research on how these biases impact 

financial markets and other financial settings. 

3.  Students gain an understanding of how individuals actually make financial 

decisions. 

4.  Students know how to improve financial decision-making in themselves and 

others. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

10.17.2019 

1, 2, 3, 4 

Exam 

12.09.2019 

1, 2, 3, 4 

Participation 

every class 

1, 2, 3, 4 

Homework 

every other week  1, 2, 3, 4 

Syllabus 

74 of 4401 

Project 

12.02.2019 

1, 2, 3, 4 

Grading Criteria 

Exam - 65% (32%, 33%) 
Homework (6 assignments) - 12% 
Final Project - 15% 
In Class Activities/Participation    - 8% 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy may result in a 
grade of zero.    If there is a subsequent infraction the student will receive a grade 
of F for the course. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
Violations of academic integrity may also be reported to the appropriate Dean 
(Dean of Students for undergraduate students or the Dean of Graduate Education 
for graduate students, respectively). Cheating and plagiarism are also forbidden. 
A grade of zero will be given on the first assignment where a violation is detected. 
If there is a subsequent infraction the student will receive a grade of F for the 
course. If you have any question concerning this policy before submitting an 
assignment, please ask for clarification. 

Other Course-Specific Information 

ADA Statement 
The Americans with Disabilities Act (ADA) is a federal anti-discrimination 
statute that provides comprehensive civil rights protection for persons with 
disabilities. Among other things, this legislation requires that all students with 
disabilities be guaranteed a learning environment that provides for reasonable 
accommodation of their disabilities. If you believe you have a disability requiring 
an accommodation, please contact the Disability Services for Students in 
Academy Hall (on the corner of 15th Street and College Avenue), 4th Floor, Suite 
4226; or call 518-276-2231.   
Title IX, Sexual Misconduct, and Statement on Limits to Confidentiality 
Rensselaer Polytechnic Institute is committed to maintaining a safe and healthy 
learning, living, and working environment in which no member of the Rensselaer 

Syllabus 

75 of 4401 

community is, on the basis of sex, sexual orientation, gender identity, or gender 
expression, excluded from participation in, denied the benefits of, or subjected to 
discrimination or harassment in any Institute program or activity.    The Institute 
takes gender-based and sexual-based violence seriously and provides support and 
information to all members of Rensselaer community. 
All faculty and staff are considered “responsible employees” and cannot maintain 
confidentiality when it conflicts with their responsibility to report certain issues 
that jeopardize the health and safety of our community. Thus, as the instructor, I 
must report a sexual assault and sexual misconduct incident immediately.    These 
reports may trigger contact from a campus official who will want to talk with you 
about the incident that you have shared. In many cases, it will be your decision 
whether or not you wish to speak with that individual.   
If you would like to talk about these events in a more confidential setting, you are 
encouraged to make an appointment with the Counseling Service on campus 
(https://studenthealth.rpi.edu/counseling/). Counseling Services staff are available 
in case of a crisis on evenings and weekends. Call Public Safety at 518-276-6611 
and ask to speak with the on-call counselor.   
 
IMPORTANT EMERGENCY CONTACTS 
 
Medical or Fire Emergency: 911 
RPI Public Safety (24 hr): 518-276-6611 
RPI Public Safety (non emergency): 518-276-6656 
Nurse Hotline (24 hr):866-315-8756 
Sexual Assault (24 hr): 518-271-3257 
Suicide Prevention: 800-273-8255 
Emergency/Illness After Hours:    Public Safety 518-276-6611 

 

Syllabus 

76 of 4401 

 

Course Syllabus 

Course Information 

Behavioral Financial Economics 

ECON 6962 

Section 2 

RPI Fall 2019 

4 cr 

 

 

Lecture 

1,2 

MR 

10:00AM-11:50AM 

LOW 4040 

Prerequisites or Other Requirements: 
ECON 1200 or IHSS 1200 
and an approved statistics course: ENGR 2600, MGMT 2100, MATP 4600, or 
PSYC 2310. 

Instructor 

Billur Aksoy 

aksoyb3@rpi.edu 

 

 

Office Hours: MR 12:00PM-1:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This course describes how individuals and firms make financial decisions, and 
how those decisions might deviate from those predicted by traditional financial or 
economic theory. The course examines how the insights of behavioral economics 
complement the traditional finance paradigm by introducing some of the main 
psychological biases in financial decision-making and examining the impacts of 
these biases in financial markets and other financial settings. It will also introduce 
students to behavioral and experimental methodologies in finance, economics, 
and other disciplines. 

Course Text(s) 

Required Text: Pompian, Michael M. 2012. November 2011. Behavioral Finance 
and Wealth Management: How to Build Investment Strategies That Account for 
Investor Biases, 2nd Edition, Wiley: New Jersey,     
ISBN: 978-1-118-18229-1 

Supplemental Reference 

Individual articles will be posted on blackboard (LMS).   
We will also use MobLab. Moblab is a survey and experiment/game platform that 
we will most likely use in class. You can either use your laptop or portable 
devices to participate. However, laptop usage is highly recommended. Do not 

Syllabus 

77 of 4401 

create an account or pay for the subscription yet. More information will be 
provided in class.     

Course Goals / Objectives 

Course Content 

History of Behavioral Financial Economics. 
A Survey of Behavioral Financial Economics 
Cognitive Dissonance Bias 
Conservatism Bias 
Confirmation Bias.   
Representativeness Bias 
Illusion of Control Bias 
Hindsight Bias 
Mental Accounting Bias 
Anchoring and Adjustment Bias 
Framing Bias 
Availability Bias 
Self-Attribution Bias 
Recency Bias 
Loss Aversion Bias 
Overconfidence Bias 
Self-Control Bias 
Status Quo Bias 
Endowment Bias 
Regret Aversion Bias 
Ambiguity Aversion Bias 
Optimism Bias 

Student Learning Outcomes 

1.  Students will learn, know, and comprehend some of the main psychological 

biases in financial decision-making.   

 

2.  Students become aware of the current research on how these biases impact 

financial markets and other financial settings. 

3.  Students gain an understanding of how individuals actually make financial 

decisions. 

4.  Students know how to improve financial decision-making in themselves and 

others. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

10.17.2019 

1, 2, 3, 4 

Exam 

12.09.2019 

1, 2, 3, 4 

Participation 

every class 

1, 2, 3, 4 

Homework 

every other week  1, 2, 3, 4 

Syllabus 

78 of 4401 

Project 

12.02.2019 

1, 2, 3, 4 

Grading Criteria 

Exam - 65% (32%, 33%) 
Homework (6 assignments) - 12% 
Final Project - 15% 
In Class Activities/Participation    - 8% 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy may result in a 
grade of zero.    If there is a subsequent infraction the student will receive a grade 
of F for the course. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
Violations of academic integrity may also be reported to the appropriate Dean 
(Dean of Students for undergraduate students or the Dean of Graduate Education 
for graduate students, respectively). Cheating and plagiarism are also forbidden. 
A grade of zero will be given on the first assignment where a violation is detected. 
If there is a subsequent infraction the student will receive a grade of F for the 
course. If you have any question concerning this policy before submitting an 
assignment, please ask for clarification. 

Other Course-Specific Information 

ADA Statement 
The Americans with Disabilities Act (ADA) is a federal anti-discrimination 
statute that provides comprehensive civil rights protection for persons with 
disabilities. Among other things, this legislation requires that all students with 
disabilities be guaranteed a learning environment that provides for reasonable 
accommodation of their disabilities. If you believe you have a disability requiring 
an accommodation, please contact the Disability Services for Students in 
Academy Hall (on the corner of 15th Street and College Avenue), 4th Floor, Suite 
4226; or call 518-276-2231.   
Title IX, Sexual Misconduct, and Statement on Limits to Confidentiality 
Rensselaer Polytechnic Institute is committed to maintaining a safe and healthy 
learning, living, and working environment in which no member of the Rensselaer 

Syllabus 

79 of 4401 

community is, on the basis of sex, sexual orientation, gender identity, or gender 
expression, excluded from participation in, denied the benefits of, or subjected to 
discrimination or harassment in any Institute program or activity.    The Institute 
takes gender-based and sexual-based violence seriously and provides support and 
information to all members of Rensselaer community. 
All faculty and staff are considered “responsible employees” and cannot maintain 
confidentiality when it conflicts with their responsibility to report certain issues 
that jeopardize the health and safety of our community. Thus, as the instructor, I 
must report a sexual assault and sexual misconduct incident immediately.    These 
reports may trigger contact from a campus official who will want to talk with you 
about the incident that you have shared. In many cases, it will be your decision 
whether or not you wish to speak with that individual.   
If you would like to talk about these events in a more confidential setting, you are 
encouraged to make an appointment with the Counseling Service on campus 
(https://studenthealth.rpi.edu/counseling/). Counseling Services staff are available 
in case of a crisis on evenings and weekends. Call Public Safety at 518-276-6611 
and ask to speak with the on-call counselor.   
 
IMPORTANT EMERGENCY CONTACTS 
 
Medical or Fire Emergency: 911 
RPI Public Safety (24 hr): 518-276-6611 
RPI Public Safety (non emergency): 518-276-6656 
Nurse Hotline (24 hr):866-315-8756 
Sexual Assault (24 hr): 518-271-3257 
Suicide Prevention: 800-273-8255 
Emergency/Illness After Hours:    Public Safety 518-276-6611 

 

Syllabus 

80 of 4401 

 

Course Syllabus 

Course Information 

Professional Development 1 

ENGR 1010 

Section 01 

RPI Fall 2019 

1 cr 

 

 

Discussio
n Class 

 

W 

8:00AM-9:20AM 

Academy Hall 
Auditorium 

Course Website:   
http://https://lms.rpi.edu/webapps/blackboard/content/listContentEditable.jsp?cont
ent_id=_20131_1&course_id=_290_1 
Prerequisites or Other Requirements: 
none 

Instructor 

Christine Allard 

bondc@rpi.edu 

 

 

Office Hours:    8:30AM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

Introduction to Myers-Briggs Type, Seventh Edition by Isabel Briggs Myers 

Course Goals / Objectives 

•At the end of PD1, students will be able to demonstrate understanding of at least 
1 team development model by explaining in a semester-end presentation how it 
applies to team experiences. 
•At the end of PD1, students will be able to identify different personality 
preferences and explain in consultations and a semester-end presentation how 
they impacted their team interactions. 
•At the end of PD1, students will be able to utilize interpersonal skills such as 
conflict management, giving effective feedback, motivation and problem solving 
techniques in their interactions with others. 
 
 

Course Content 

Communication and Public speaking 
Team Development Models 

Syllabus 

81 of 4401 

Myers-Briggs Type Indicator 
Managing Conflict 
Giving and Receiving Feedback 
Negotiation Strategies 
Effective Meeting Management 

Student Learning Outcomes 

1.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

 

 

 

Grading Criteria 

Reflection Assignment #110% 
Exam20% 
Presentation30% 
Reflection Assignment #210% 
Attendance30% 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy may result in a 
penalty of failure of the course. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

82 of 4401 

 

Course Syllabus 

Course Information 

Professional Development 1 

ENGR 1010 

Section 1, 2, 3, 

4 

RPI Spring 2019 

1 cr 

 

 

Seminar 

section 1 

W 

12:00PM-1:20PM 

Academy Hall 
Auditorium 

Seminar 

section 2 

W 

8:00AM-9:20AM 

Ricketts 212 

Seminar 

Section 3 

W 

8:00AM-9:20AM 

Sage 2112 

Seminar 

Section 4 

W 

8:00AM-9:20AM 

Sage 2704 

Prerequisites or Other Requirements: 
none 

Instructor 

Christine Allard 

bondc@rpi.edu 

 

 

Office Hours:    8:30AM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

Introduction to Myers-Briggs Type, Seventh Edition by Isabel Briggs Myers, 
(note: this is a booklet available at the Campus Collegiate Store) 

Course Goals / Objectives 

•At the end of PD1, students will be able to demonstrate understanding of at least 
1 team development model by explaining in a semester-end presentation how it 
applies to team experiences. 
•At the end of PD1, students will be able to identify different personality 
preferences and explain in consultations and a semester-end presentation how 
they impacted their team interactions. 
•At the end of PD1, students will be able to utilize interpersonal skills such as 
conflict management, giving effective feedback, motivation and problem solving 
techniques in their interactions with others. 

Course Content 

Communication and Public Speaking 
Team Development Models 

Syllabus 

83 of 4401 

MBTI 
Managing Conflict 
Giving and Receiving Effective Feedback 

Student Learning Outcomes 

1.  •At the end of PD1, students will be able to demonstrate understanding of at 

least 1 team development model by explaining in a semester-end presentation 
how it applies to team experiences. 

2.  •At the end of PD1, students will be able to identify different personality 

preferences and explain in consultations and a semester-end presentation how 
they impacted their team interactions. 

3.  •At the end of PD1, students will be able to utilize interpersonal skills such as 

conflict management, giving effective feedback, motivation and problem 
solving techniques in their interactions with others. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

03.20.2019 

1, 2, 3 

Presentation 

04.10.2019 

1, 2, 3 

attendance 

weekly 

1, 2, 3 

Paper 

02.13.2019 

4 

Paper 

04.03.2019 

3 

Grading Criteria 

Participation Reflection #110% 
Exam20% 
Presentation30% 
Participation Reflection #210% 
Attendance30% 
 
Total                                                                                                                                  100% 
 
 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 

Syllabus 

84 of 4401 

where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of      failure of the course 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

85 of 4401 

 

Course Syllabus 

Course Information 

Adv. Concrete Structures 

CIVL 6310 

Section 01 

RPI Fall 2019 

3 cr 

 

 

Lecture 

 

MR 

2:00PM-3:50PM 

CARNEG 102 

Course Website:   
http://https://lms.rpi.edu/webapps/portal/frameset.jsp?tab_tab_group_id=_2_1&ur
l=%2Fwebapps%2Fblackboard%2Fexecute%2Flauncher%3Ftype%3DCourse%2
6id%3D_1975_1%26url%3D 
Prerequisites or Other Requirements: 
CIVL 4080 Concrete Design, or equivalent 

Instructor 

Mohammed Alnaggar 

alnagm2@rpi.edu 

 

 

Office Hours: R 10:00AM-12:00AM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

Advanced analysis and design of reinforced concrete structures. Design of deep 
beams, slender columns, two-way floor systems. Deflection computations. Design 
for torsion. Prestressed concrete fundamentals. 

Course Text(s) 

Hassoun, M.N., Al-Manaseer, A.A. Structural Concrete, Theory and Design, ACI 
318-14, John Wiley and Sons, 6th edition, 2015, 1050 p. 

Supplemental Reference 

ACI 318-14 - Building Code Requirements for Structural Concrete 

Course Goals / Objectives 

Course Content 

Review of CIVL 4080 - Concrete Design 
Slender Columns 
Biaxial Bending 

Syllabus 

86 of 4401 

Deflections 
Torsion 
Two Way Slabs 
Economical Floors 
Seismic Design 
Analysis of concrete structures using SAP2000 

Student Learning Outcomes 

1.  To learn about advanced concrete structures and understand the basic design 

principals of these structures. 

2.  To improve critical thinking and problem solving capabilities in regards to the 

optimization of time, cost and safety of designed structures 

3.  To improve student time planning and management towards achieving desired 

outcomes   

4.  To gain exposure to practical design procedures and software with 

understanding of code requirements, ethics and limitations 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

9 per semester 

1, 3 

Quiz 

Biweekly 

1, 3 

1st Midterm Exam 

10.03.2016 

1, 3 

2nd Midterm Exam 

10.24.2016 

1, 2, 3 

Final Exam 

12.21.2015 

1, 2, 3 

Project 

12.19.2016 

1, 2, 3, 4 

Grading Criteria 

Homework                                        10% 
In class problems                      5% 
1st Mid-term exam    20% 
2nd Mid-term exam 20% 
Final exam                                  25% 
Design project                            20% 
 

Attendance Policy 

Attendance is not mandatory, but is highly recommended. 

Other Course Policies 

Each student is expected to prepare homework independently. However, after 
preparing an assignment, students may compare answers with other students. 
Homework and solutions will be posted on LMS. 

Syllabus 

87 of 4401 

Academic Integrity 

The Rensselaer Handbook of Student Rights and Responsibilities and The 
Rensselaer Graduate Student Supplement define various forms of Academic 
Dishonesty and procedures for responding to them. All forms are violations of the 
trust between students and teachers. Student-teacher relationships are built on 
trust. For example, students must trust that teachers have made appropriate 
decisions about the structure and content of the courses they teach, and teachers 
must trust that the assignments that students turn in are their own performance. 
Acts that violate this trust undermine the educational process. In this class, all 
assignments that are turned in for a grade must represent the student’s own work. 
In cases where help was received, or teamwork was allowed, a notation on the 
assignment should indicate the collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of no grade for that assignment. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

 

Syllabus 

88 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Civil and 
Environmental Engineering 

CIVL 1100 

Section 01 

RPI Spring 2019 

1 cr 

 

 

Lecture 

 

R 

6:00PM-7:50PM 

Sage 3510 

Course Website:   
http://https://lms.rpi.edu/webapps/portal/frameset.jsp?tab_tab_group_id=_2_1&ur
l=%2Fwebapps%2Fblackboard%2Fexecute%2Flauncher%3Ftype%3DCourse%2
6id%3D_2400_1%26url%3D 
Prerequisites or Other Requirements: 
None. Any student is welcome to enroll. However it includes virtually all second 
term first year Civil and Environmental Engineering students, with 3-4 
exceptions, e.g. Architecture, Exchange, and miscellaneous 

Instructor 

Mohammed Alnaggar 

alnagm2@rpi.edu 

 

 

Office Hours: T 10:00AM-12:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

Course Content: The object is to educate you about the practice of Civil and 
Environmental Engineering.    It is not a highly analytical course, as the course is 
intended primarily for first year students, and technical skills will be obtained in 
later courses.    Example of topics; History of Civil Eng., present practices, typical 
employers, typical projects, design philosophy, professional registrations, 
professional organizations, and ethical conduct. 

Course Text(s) 

Text: Neil S. Grigg, et al., “Civil Engineering Practice in the Twenty-First 
Century”, ASCE Press, ISBN 0-7844-0526-3. 

Course Goals / Objectives 

To educate the students about the field of and practice of Civil and Environmental 
Engineering. Not highly technical, as the students do not have the background for 
highly technical subjects 

Syllabus 

89 of 4401 

Course Content 

Introduction, History and diciplines 
Geotechnical Eng. 
Wind Eng. 
Construction Eng. 
Transportation Eng. 
Earthquake Eng. 
Environmental Eng. 
Structural Eng. 

Student Learning Outcomes 

1.  To provide the student with a fundamental understanding of the practice of 

Civil and Environmental Engineering.    The typical student is not expected to 
possess the technical knowledge and skills necessary to enter the practice of 
Civil and Environmental Engineering; but they will obtain a good and proper 
perspective on the field. 

2.  To promote report writing capabilities and conclusion with comprehension 
3.  To train students on teamwork environment essential and always present in 

most Civil and Environmental engineering work 

4.  To train students on effective presentation skills 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

Each class 
meeting 

1, 2 

In class presentation 

once per group 
of 5 

1, 3, 4 

Poster 

once by end of 
semsester 

1, 2, 3, 4 

Grading Criteria 

6 written homework assignments, each includes summaries of the topic presented 
in the last lecture. Attendance of 7 of 8 classes. Each missed assignment or class 
results in a notch lower grade. That is one missed HW results in A-, two B+, and 
so on. In class group presentations and final group posters 

Attendance Policy 

Attendance of 7 of 8 classes is required 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 

Syllabus 

90 of 4401 

The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of zero for that assignment. Forging a fellow students name on an 
attendance sheet will result in an F in the course. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

91 of 4401 

 

Course Syllabus 

Course Information 

Matrix Structural Analysis 

CIVL 4440 

Section 01 

RPI Spring 2019 

3 cr 

 

 

Lecture 

 

TF 

12:00PM-1:50PM 

Lally 102 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
CIVL 2670 

Instructor 

Mohammed Alnaggar 

alnagm2@rpi.edu 

 

 

Office Hours: TF 11:00AM-11:50AM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Zach Wietsma 

No office 
(undergrad TA) 

None 

wietsz@rpi.edu 

Course Description 

Principles of displacement-based structural analysis; development of element and 
structure stiffness matrices; direct stiffness method for matrix structural analysis 
of trusses, beams, and frames; computer analysis of structures; introduction to 
finite element method of analysis. 

Course Text(s) 

Matrix Structural Analysis, Second Edition, W. McGuire, R.H. Gallagher, and 
R.D. Ziemian. Wiley, 2000. 

Supplemental Reference 

Fundamentals of structural Analysis, K.M. Leet, C.-M. Uang, and A.M. Gilbert. 
McGraw Hill, Fourth Edition, 2010. 
(optional text) 

Course Goals / Objectives 

Use matrix methods to analyze statically determinate and indeterminate linear 
elastic structures to determine support forces, internal forces, and deformations.   
Use computer software, with knowledge of its underlying matrix-based 
computations, to perform structural analysis. 

Syllabus 

92 of 4401 

Course Content 

Local and global stiffness matrix for axial force elements 

 

Direct Stiffness Method for analysis of trusses 
Kinematic determinacy and its relation to matrix structural analysis. 

 

Matrix-based external work, internal strain energy and reciprocity. 
Framework element stiffness matrices (truss, beam and beam-column elements) 
Local to global coordinate transformations and framework global stiffness matrix. 
Direct Stiffness Method for analysis of beams and frames subject to nodal 
loading. 

 

Direct Stiffness Method for analysis of beams and frames subject to loading 
between nodes. 
Direct Stiffness Method for structures subject to fabrication errors, settlement, and 
thermal strain 
Introduction to matrix-based nonlinear structural analysis 

 

Introduction to finite element analysis 

 

Introduction to matrix-based structural dynamics 
 

Student Learning Outcomes 

1.  Use matrix methods to analyze statically determinate and indeterminate linear 

elastic trusses, beams, and frames to determine support forces, internal forces, 
and deformations. 

2.  Use computer software, with knowledge of its underlying matrix-based 

computations, to perform structural analysis. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

Three per 
semester (two 
midterms and 
final) 

1, 2 

Participation 

Every class 

1, 2 

Grading Criteria 

Midterm Exam #1 = 25% of grade 
Midterm Exam #2 = 25% of grade 
Final Exam = 35% of grade 
Class Participation = 15% of grade 

Attendance Policy 

Students are expected to attend all classes.    Full participation in the class, 
including attendance, is likely to be strongly correlated with course grades. 

Syllabus 

93 of 4401 

Other Course Policies 

Class participation will include students presenting homework solutions to the 
class and engaging in discussions about the homework.   

Academic Integrity 

Student-teacher relationships are built on trust.    For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own.    Acts which violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities 
(available through SIS) and the Graduate Student Supplement define various 
forms of academic dishonesty and procedures for responding to them.    Students 
should familiarize themselves with this portion of the Handbook and should note 
that the penalties for academic dishonesty can be quite severe. 
In this class, all solutions that are developed by a student must represent the 
student’s own work, although, after attempting to solve problems on their own, 
students are encouraged to discuss their work with other classmates to help each 
other arrive at the correct solution or to check their solution. Development of a 
solution that is in violation of this policy (e.g., one student copying work done by 
another student or a student copying from a previously developed solution 
including a solution from a previous semester or a solution that is contained 
within a solution manual) will result in a penalty that will be applied to the class 
participation portion of the course grade with a reduction in course grade by up to 
one full letter grade (e.g., from B to C). In addition, subsequent work done by the 
student will be scrutinized to evaluate potential cheating. Finally, the Dean of 
Students, who maintains records of academic dishonesty, will be notified. 
Additional disciplinary actions may be taken by the Dean of Students. 
 
In this class, all exams must represent the student’s own work.    If cheating occurs 
during an exam, the student will receive a grade of zero for that exam.    In 
addition, and in accordance with the Handbook, the Dean of Students Office will 
be notified of the incident of academic dishonesty. Additional disciplinary actions 
may be taken by the Dean of Students. In addition, all mobile/electronic devices 
(cell/smart phones, computers, etc.) must be stored securely away during an exam 
and are not to be used unless specifically directed otherwise by the instructor. Any 
use of, or interaction with, a mobile/electronic device during an exam without 
explicit permission of the instructor will be interpreted as the illicit transfer of 
exam data and thus will be considered an act of cheating. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

94 of 4401 

 

Course Syllabus 

Course Information 

Game Development 1 

GSAS 4520 

Section 2 

RPI Fall 2019 

4 cr 

 

 

Studio 

 

TF 

2:00PM-3:50PM 

PITTS 4203 

Prerequisites or Other Requirements: 
Intro to Game Development 
Intro to Game Programming 

Instructor 

Eric Ameres 

ameree@rpi.edu 

Office Location: WEST 312a 

 

Office Hours: TF 10:00AM-11:50PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Matej Vakula 

West Hall 

1-2pm Tues/Friday  vakulm@rpi.edu 

Course Description 

This class is a practical primer for anyone interested in a career in the rapidly 
evolving industry of video gaming. It is an intense, team-based, project-based 
course in which students will closely follow the actual game development cycle, 
with each team producing a complete PC game. 

Course Text(s) 

None Required 

Course Goals / Objectives 

Students will learn the basics of using multiple game development engines. 

Course Content 

Students will work on developing both 2D and 3D games. 

Student Learning Outcomes 

1.  Students will learn the basics of using multiple game development engines. 

 

2.  Students will gain an understanding of the flexibility required to be successful 

in the game industry. 

3.  Students will understand the basics of working with version control software. 

Syllabus 

95 of 4401 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Project 

09.11.2019 

1, 2, 3 

Project 

10.02.2019 

1, 2, 3 

Project 

10.30.2019 

1, 2, 3 

Project 

12.11.2019 

1, 2, 3 

Grading Criteria 

4 projects 10% - 25%- 25% 40% 

Attendance Policy 

Attendance is mandatory. You are a member of a team, and constant 
communication with your team is necessary. This class features an intense 
workload, as complete games are very difficult to make, and you'll be working 
within a highly compressed timespan. You will spend more time with your team 
outside of the classroom than within. If you cannot attend class for some reason, 
you must email both instructors with a written excuse or your grade for the 
associated project will be affected and you may be subject to failing the course. 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of referral to disciplinary administration 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

96 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Game Programming 

GSAS 2540 

Section 1,2,3,4 

RPI Fall 2019 

4 cr 

 

 

Studio 

 

MR 

8:00AM-9:50AM 

Sage2510 

Prerequisites or Other Requirements: 
none 

Instructor 

Eric Ameres 

ameree@rpi.edu 

Office Location: WEST 312a 

 

Office Hours: TF 10:00AM-1:30PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This hands-on class introduces many fundamental concepts in game development. 
Students will learn to program multiple video games. Topics include render loops, 
rigid body dynamics, interfaces, event and messaging systems, and co-routines. 

Course Text(s) 

Optional : Bond, Jeremy. (2018). Introduction to Game Design, Prototyping, and 
Development: From Concept to Playable Game with Unity and C#, 2nd Edition. 
Hoboken, NJ: Pearson Education, Inc. 

Course Goals / Objectives 

Develop familiarity with Game engines and scripting.     

Course Content 

Unity Game Engine Programming 

Student Learning Outcomes 

1.  Familiarity with Game Engine Concepts and basics 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Syllabus 

97 of 4401 

Project 

4 

1 

Grading Criteria 

4 projects + participation and attendence 

Attendance Policy 

more than 2 unexcused absences cause decreased grade 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 0 grade on the assignment and possible reporting. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

98 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Game Programming 

GSAS 2540 

Section 001 

RPI Spring 2019 

4 cr 

 

 

Studio 

 

MR 

4:00PM-5:50PM 

Troy 2015 

Prerequisites or Other Requirements: 
none 

Instructor 

Eric Ameres 

ameree@rpi.edu 

Office Location: WEST 312a 

 

Office Hours: TF 12:00PM-1:30PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This hands-on class introduces many fundamental concepts in game development. 
Students will learn to program multiple video games. Topics include render loops, 
rigid body dynamics, interfaces, event and messaging systems, and co-routines. 

Course Text(s) 

Optional : Bond, Jeremy. (2018). Introduction to Game Design, Prototyping, and 
Development: From Concept to Playable Game with Unity and C#, 2nd Edition. 
Hoboken, NJ: Pearson Education, Inc. 

Course Goals / Objectives 

Develop familiarity with Game engines and scripting.     

Course Content 

Unity Game Engine Programming 

Student Learning Outcomes 

1.  Familiarity with Game Engine Concepts and basics 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Syllabus 

99 of 4401 

Project 

4 

1 

Grading Criteria 

4 projects + participation and attendence 

Attendance Policy 

more than 2 unexcused absences cause decreased grade 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 0 grade on the assignment and possible reporting. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

100 of 4401 

 

Course Syllabus 

Course Information 

Air Vehicle Design 

MANE 4230 

Section 1 

RPI Spring 2019 

3 cr 

 

 

Lecture 

 

TF 

10:00AM-11:50AM 

LOW 3045 

Prerequisites or Other Requirements: 
MANE 4070 (Aerodynamics I) or equivalent 
MANE 4090 (Flight Mechanics)   
 

Instructor 

Professor Michael Amitay 

amitam@rpi.edu 

Office Location: JONSSN 5038 

(518) 276-3340 

Office Hours: T 12:00PM-2:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

Conceptual and preliminary design of a fixed wing aircraft to satisfy given 
commercial specifications.    It includes elements of initial sizing and weights, 
geometry selection, aerodynamic design, propulsion integration, stability and 
control, loads, structural design, manufacturability and cost analysis.    Writing 
intensive assignments and student presentations to help develop communication 
skills.    Senior and Graduate Students only.    Spring term, 3 credits. 

Course Text(s) 

D.P. Raymer, "Aircraft Design: A conceptual approach," 4nd Edition, AIAA 
Education Series, AIAA.    (Required) 
 
T.C. Corke, "Design of Aircraft," Prentice Hall, NJ 2002. (Recommended) 

 

Course Goals / Objectives 

To foster design strategies for flight vehicles that encourage innovation.    To 
simulate realistic industrial design scenarios and provide a cognitive schema for 
assessment of the impact of design options, strategic plans and technological 
advancements on the overall success of air-vehicle design.    To provide 

Syllabus 

101 of 4401 

familiarity with the aeronautical industrial environment, flight simulations and 
experience of contribution in a design team.   

Course Content 

Overview of the design process (R: Chapters 1, 2) 
Sizing and conceptual design (R: Chapter 3) 
Aerodynamic design (R: Chapter 4, 12) 
Thrust-to-weight ratio and wing loading (R: chapter 5) 
Propulsion integration (R: Chapter 10, 13) 
Load analysis and structural design (R: Chapter 14) 
Stability and control (R Chapter 15,16) 
Performance and flight mechanics 

Student Learning Outcomes 

1.  ABET 3c: Students who successfully complete this course will be capable of 

demonstrating "An ability to design a system, component, or process to meet 
desired needs within realistic constraints such as economic, environmental, 
social, political, ethical, health and safety, manufacturability, and 
sustainability." 

2.  ABET 3d: Students who successfully complete this course will be capable of 

demonstrating "An ability to function on multi-disciplinary teams." 

3.  ABET 3f: Students who successfully complete this course will be capable of 

demonstrating "An understanding of professional and ethical responsibility." 

4.  ABET 3g: Students who successfully complete this course will be capable of 

demonstrating "An ability to communicate effectively." 

5.  ABET 3h: Students who successfully complete this course will be capable of 

demonstrating "The broad education necessary to understand the impact of 
engineering solutions in a global, economic, environmental and societal 
context." 

6.  ABET 3k: Students who successfully complete this course will be capable of 

demonstrating "An ability to use techniques, skills, and modern engineering 
tools necessary for engineering practice. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Project 

02.12.2019 

1, 2, 3, 4, 5 

Project 

03.15.2019 

1, 2, 3, 4, 5 

Project 

04.19.2019 

1, 2, 3, 4, 5 

Grading Criteria 

Milestone technical presentations and report submissions 
Conceptual Design Review (CDR): 20% 
Preliminary Design Review (PDR): 25% 
Final Design Review (FDR): 35% 
Presentations: 20% 

 

Syllabus 

102 of 4401 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

103 of 4401 

 

Course Syllabus 

Course Information 

Spaceflight Mechanics 

MANE 4100 

Section 1 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

10:00AM-11:50AM 

DCC 337 

Prerequisites or Other Requirements: 
ENGR 2090 (Engineering Dynamics), MANE 2060 and MATH 2400 ( Intro. to 
Differential Equations) or equivalents . 
 
It is assumed that all students are have a good understanding of statics and basic 
planar (2-D) (Sophomore level) dynamics.    Furthermore, students must be 
proficient in all of following basic mathematics: 
a.    Basic vector algebra and calculus: (e.g. dot product, cross product, chain rule 
for differentiation).   
b.    Basic Linear Algebra: Matrix multiplication, matrix inversion, etc. 
c.    Trigonometric Identities and definitions: (plus the law of Sines and the Law of 
Cosines) 
d.    Basic Differential Equations: Formulation and solution of simple 
homogeneous, non-homogeneous linear differential equations; exposure to simple 
eigenvalue problems and their solution. 
e.    Numerical Analysis: Numerical modeling will be performed extensively in 
this course. 
f.    Multivariable calculus: Double and triple integration, Differential equations in 
multiple variables. 
g.    Working ability with Matlab or equivalent tool. 
 

Instructor 

Professor Kurt Anderson 

anderk5@rpi.edu 

Office Location: JONSSN 3018 

(518) 276-6620 

Office Hours: M 3:00PM-4:00PM 

W 1:00PM-2:00PM 
F 3:00PM-4:00AM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Paul McKee 

JEC 1218 

M3:00-4:00 PM, 
W1:00-2:00 PM, F 
3:00-4:00 PM 

mckeep@rpi.edu 

Syllabus 

104 of 4401 

Course Description 

Introductory course introducing students to analysis of basic aspects of spacecraft 
orbital and attitude dynamics. Analysis of spacecraft trajectories, target 
rendezvous, and interception; Rocket thrust problem, Hohmann transfer, escape 
trajectory, interplanetary missions, gravity assist, and the restricted three body 
problem. Rigid body dynamics as it relates to gyrodynamics, simple stability. 

Course Text(s) 

Required "text" for this course is: 
Orbital Mechanics for Engineering Students, by Howard Curtis, Elsevier Pub. Ed. 
3,    2014 
 

Supplemental Reference 

ENGR-2090 text,    by Beer and Johnston or equivalent 
Introduction to Space Dynamic (ISD), by W. T.    Thomson, Dover Pub. 1986 
Fundamentals of Astrodynamics (FoA), by R.R. Bates, D.D. Mueller, J.E. White, 
Dover Pub., 1971. 

Course Goals / Objectives 

Analysis of basic aspects of spacecraft orbital and attitude dynamics. 
Analysis of spacecraft trajectories, target rendezvous, and interception 
Rocket thrust problem, Hohmann transfer, escape trajectory, interplanetary 
missions, gravity assist, and the restricted three body problem; 
Rigid body dynamics as it relates to gyrodynamics, spin and stability of a simple 
single rigid spacecraft 

Course Content 

Introduction to Dynamics   
Particle Kinetics     
Orbital kinematics, transforms Kinematics     
Satellite trajectories/orbits (Orbit Determination, Maneuvers, Intercept and 
rendezvous, transfers) 
Rocket thrust, Rocket design   
Rigid body Dynamics, Stability   

Student Learning Outcomes 

1.    An Ability to identify, formulate and solve complex aerospace engineering 

problems 

2.  A knowledge of aerospace propulsion (basic rocketry) 
3.  A knowledge of spaceflight mechanics 
4.  Convey the need for continued and lifelong learning 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Syllabus 

105 of 4401 

Exam 

3 per term 

1 

Exam problems distributed 
among 4 scheduled exams 

2 per term 

2 

Exam Problems distributed 
among 4 scheduled exams 

3 per term 

3 

Grading Criteria 

Homework: 
Homework is assigned with the intent that it aid students in preparing for the 
exams. Due to the ease in finding solutions for problems in the text (Solutions 
manual has appeared on multiple sites on the web),    the homework from the text 
will be assigned and collected, but it will not be rigorously graded as a 
contribution to the course grade.    Problems will be assigned each week as 
indicated on the attached schedule and will be “due” on the Thursday of the 
following week (except for weeks with examinations, which are due the following 
Monday). The problems are best done individually in a professional manner 
(neatness counts!).    Each problem will only be checked-off that it was attempted. 
Collaboration in the solution of the homework problems is permitted and is 
strongly encouraged if it enhances the learning process, but mere copying of the 
solution is deleterious at best.    Solutions will be sent out to the students 
associated with the assigned problems shortly after they are due.    There will also 
be three special coding and computing assignments. These three problems will be 
graded in detail. 
 
Quizzes: 
As an additional incentive for putting in appropriate effort on the assigned 
Homework problems (besides aiding you in preparing for the exams), there will 
be approximately five    “pop” (i.e. unannounced) quizzes which will be given 
during lectures this term. Theses quizzes will nominally be intimately related to 
the assigned homework from the text. As such, if the homework is done and 
understood, the quizzes should be easy. If not, then these quizzes will pose a real 
problem. These quizzes plus the computing assignments will combine to account 
for 10% of the overall course grade. There will be no make-up quizzes [but 
everyone will be entitled to miss one (and/or the lowest quiz score will be thrown 
out)]. 
 
Term Project: 
This course will involve an individual project chosen by each student and 
approved by the instructor. To remain current and relevant, engineering requires 
that learning be a life-long effort. The most important thing an engineer learns in 
school is not the methods engineers use, but that they learn how to effectively 
learn. As such, this project requires that student choose a spaceflight mechanics 
subject of interest to them (which is beyond what has been taught in this course), 
then learn on their own and apply the key material associated with this subject. 
The student must extend material learned in class (e.g. simulation of trajectory 
associated with n-body problem; Use of STK Astrogrator to explore gravity assist 

Syllabus 

106 of 4401 

or asteroid intercept; Trajectory design for mission of student’s choosing; etc.), 
and write an associated report [with appropriate citations]. This is a modeling and 
analysis course so the projects MUST have a significant spaceflight mechanics 
modeling and analysis component (which extend methods and tools learned in the 
course beyond what would be considered a glorified homework problem). The 
overall project will be worth 15% of the course grade and should reflect ~25 
hours of productive work. 
 
Exams: 
There will be three full period, in-class exams during the course. Each exam will 
be CLOSED NOTE, CLOSED BOOK except for a hand written crib-sheet. This 
crib sheet is limited to a single sheet 8.5”x11” paper, and must be hand written by 
the student using it (no photocopies permitted). The student’s name and RIN must 
be on both sides of the crib sheet and the crib sheet is to be turned in to the 
instructor with the exams. The crib sheet must be returned with the student’s 
graded exam. 
 
  The approximate exam schedule is: 
 
Exam 1:Topics 1, 2, 3Feb. 20, 2014 
Exam 2:Topics    3, 4Mar. 27, 2014 
Exam 3:Topic    4, 5April 24, 2014 
Final Exam : Topics 1-6TBD. 
 
Final Exam: 
There will be a 3-hour in-class final exam given during the Finals Week interval 
set aside for exams. This final exam will be comprehensive. This exam There will 
be three full period, in-class exams during the course. Each exam will be 
CLOSED NOTE, CLOSED BOOK except for the use of three(3) hand written 
crib-sheets. These crib sheets are each limited to a single sheet 8.5”x11” paper, 
and must be hand written by the student using it (no photocopies permitted). The 
student’s name and RIN must be on both sides of each crib sheet and the crib 
sheets must be turned in to the instructor with the final exam. The crib sheet 
available for pick up one the final exams have been graded. 
 
 
Grade Appeal: 
Students are encouraged to discuss there grades with the instructor as frequently 
as is necessary. Appeals of grades should be made within one week of the return 
of the homework/exam in question to the student.   
 
Grading Summary: 
Homework    10%:      Project 10%    Exams 50%:    Final Exam    30% 
 

Syllabus 

107 of 4401 

Attendance Policy 

Attendance will not be explicitly taken. However, one has little hope of doing 
well in this course unless they attend regularly.   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
All students should note that the penalties for the various forms of dishonesty can 
be quite harsh. Cheating will as a minimum result in a zero on the associated 
assignment, and referral to the Dean of Students for possible additional action and 
will become part of the student’s permanent record (which may be seen by 
potential future employers). Cheating on an exam will result in failure of the 
course and referral to the Dean of Students. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
During exams all mobile devices (cell phones, computers, pagers, etc.) must be 
silenced and cannot be used/accessed unless specifically directed otherwise by the 
instructor. Use (or even handling ) of a mobile device during and exam will be 
interpreted as the illicit transfer of exam data and will be considered an act of 
cheating. 

Syllabus 

108 of 4401 

0.0.0000 

 

Course Calendar 

Session  Date 

Topic 

Readings 

Assignments 

1 Th 

Jan. 10, 2019 

Introduction, review, definitions, position, velocity, 
acceleration 

Chapt. 1 

{1.14, Computing 
problems 
1&2}(1/24/2019) 

2 M 

Jan. 14, 2019 

Two-Body Problem: Equations of motion, Angular momentum, 
Energy 

Sections 2.1-2.5 

{2.1, 2.15, 
2.17}(1/24/2019) 

3 Th 

Jan. 17, 2019 

Energy, Angular Momentum, Circular Orbits, Elliptic Orbits   

Sections 2.5-2.7 

{2.21, 2.23, 
2.25}(1/24/2019) 

4 Th 

Jan. 24, 2019 

Parabolic orbits, Hyperbolic Orbits   

Sections 2.8-2.9 

{2.37, 
2.38}(1/31/2019) 

5 M 

Jan. 28, 2019 

Perifocal Reference Frame 

2.10 

{2.41}(2/7/2019) 

6 Th 

Jan. 31, 2019 

Perifocal Frame; Lagrange coefficients   

Sections 2.10-2.11 

{2.44, 2.45}(2/7/2019) 

7 M 

Feb. 4, 2019 

Lagrange Coefficients; Restricted 3-Body problem 

Sections 2.11. 2.12 

{2.47}(2/21/2019) 

8 Th 

Feb. 7, 2019 

  Lagrange points,   

 

 

9 Th 

Feb. 15, 2018 

EXAM #1 

 

 

11Tu 

Feb. 20, 2018 

Kepler's Equations, orbital position as function of time 

Section 3.1-3.4 

{3.7, 3.11}(3/1/2018) 

11 Tu 

Feb. 19, 2019 

3-D orbits; Classical Orbit Parameters; Common Basis 
Transformations 

Sections 4.1-4.6 

{4.3, 4.6, 4.13, 4.19} 
(2/28/2019) 

12 Th 

Feb. 21, 2019 

Oblateness; Gibb's Method for Orbit Determination 

sections 4.7,    5.1-5.2  {4.23, 4.26, 

5.1}(2/28/2019) 

13 M 

Feb. 25, 2019 

Lambert's Problem 

sections 5.3 

  {5.4}(3/14/2019) 

14 Th 

Feb. 28, 2019 

Low thrust manuevers 

Section 6.10 

 

15 M, Th 

Mar. 4, 2019 

NO CLASS! Spring Break 

 

 

16 Th 

Mar. 7, 2019 

NO CLASS! Spring Break 

 

 

17 M 

Mar. 11, 2019 

Hohmann Transfers 

Sections 6.1-3 

{6.13; 
6.14}(3/21/2019) 

18 Th 

Mar. 14, 2019 

Bi-Elliptic Transfers, Phasing Maneuvers 

Sections 6.4-5 

{6.17, 
6.19}(3/28/2019) 

19 M 

Mar. 11, 2019 

Non-Hohmann Transfers 

Section 6.6-6.8 

{6.26, 
6.27}(3/28/2019) 

20 Th 

Mar. 21, 2019 

Exam #2 

 

 

21 M 

Mar. 25, 2019 

Inclination changes 

Sections 6.9 

{6.37, 
6.44}(3/28/2019) 

Syllabus 

109 of 4401 

0.0.0000 

Session  Date 

Topic 

Readings 

Assignments 

22 Th 

Mar. 28, 2019 

Rocket Equations; Rocket Design 

Sections 11.1-11.4 

{11.2 (4/4),    Rocket 
Computing 
Problem(4/22/2019)} 

23 M 

Apr. 1, 2019 

Series and parellel staging 

Sections 11.5-11.6 

{11.3}(4/15/2019) 

24 

Apr. 4, 2019 

Optimal Staging 

Handout - Material in 
Text is grossly 
unrealistic 

 

25 M 

Apr. 8, 2019 

Wiltshire-Clohesey Equations   

Sections 7.1-7.6 

{7.16 w/ t= 6 hrs. 
[code in Matlab and 
investigate different 
flight 
times}(4/30/2018) 

26 Th 

Apr. 11, 2019 

NO CLASS! instructor Away 

 

 

27 M 

Apr. 15, 2019 

Rigid Body Dynamics 

Sections 9.1-9.10 

{9.21, 
9.24}(4/25/2019) 

28 Th 

Apr. 18, 2019 

Exam 3 

 

 

29 M 

Apr. 22, 2019 

Spatial Rigid Body Angular Momentum & Kinetic Energy   

Sections 10.1-10.3 

 

30 Th 

Apr. 25, 2019 

Torque free motion; Stability 

Sections 10.1-10.3 

 

Syllabus 

110 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Engineering Design 
and Professional Development 1 

ENGR 2050 

Section 0 

RPI Spring 2019 

4 cr 

 

 

Lab 

Section 1 - 
Mohammed 
Abdellatif / 
Judith 
Obiero   

MR 

8:00AM-9:50AM 

JEC 

Lab 

Section 2 - 
Mohammed 
Abdellatif / 
Dan Gordon 

TF 

2:00PM-3:50PM 

JEC 

Lab 

Section 3 - 
Omar 
El-Shafee / 
Judith 
Obiero   

MR 

10:00AM-11:50AM 

JEC 

Lab 

Section 4 - 
Spencer 
Scott / 
Audrey 
Scranton 

MR 

10:00AM-11:50PM 

JEC 

Lab 

Section 5 - 
Spencer 
Scott    / 
Glen Gross 

MR 

12:00PM-1:50PM 

JEC 

Lab 

Section 6 - 
Yuri Gorby / 
Dan Gordon 

MR 

12:00PM-1:50PM 

JEC 

Lab 

Section 7 - 
James Lu / 
Dan Gordon 

MR 

2:00PM-3:50PM 

JEC 

Lab 

Section 8 - 
Paul Moon / 
Glen Gross   

TF 

10:00AM-11:50AM 

JEC 

Lab 

Section 9 - 
Kyle Wilt / 
Amy Corron   

TF 

10:00AM-11:50AM 

JEC 

Syllabus 

111 of 4401 

Lab 

Section 10 - 
Bill Foley / 
Dan Gordon 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 11 - 
Yuri Gorby / 
Amy 
Scranton 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 12 - 
Paul Moon / 
Glen Gross 

TF 

12:00PM-1:50PM 

JEC 

Lab 

Section 13 - 
Omar 
El-Shafee / 
Judith 
Obiero 

MR 

2:00PM-3:50AM 

JEC 

Course Website:    http://lms.rpi.edu 
Prerequisites or Other Requirements: 
ENGR 1100 and [ENGR 1200 or ENGR1400]. Co requisite: PHYS 1200 

Instructor 

Mark Anderson 

anderm8@rpi.edu 

Office Location: JONSSN 2027 

(518) 276-2733 

Office Hours: M 2:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

None 

NA 

NA 

NA 

Course Description 

While the steps involved in the design process may change depending upon a 
variety of factors, most design experts agree that the design process starts with a 
thorough understanding of the problem, followed by a thorough exploration of 
possible concept solutions. Since design problems are by nature open-ended 
(meaning that there are many possible solutions) and multi-faceted (meaning that 
there are multiple levels of complexity), the process of problem definition 
followed by formulation of system concept solution is an iterative process that 
usually continues until a complete and unambiguous system solution is identified.   
Design is an iterative stepwise process that is best learned by doing.    As a result, 
this is primarily a project-based course. 
 
In the real world, resources are rarely considered infinite, so the best engineering 
designers learn how to implement the design process using the most efficient and 
effective methods available.    This course will teach you some of these methods.   
The ultimate goal in the engineering design process is to meet or exceed customer 
wants and needs, while reducing cost and time.    Teamwork and communication 
are essential elements of the engineering design process. Engineers who do not 

Syllabus 

112 of 4401 

know how to communicate and work effectively with others are ineffective 
designers.    Learning how to communicate in the context of the design process 
and learning how to work in a team environment are integral elements of this 
course. 

Course Text(s) 

Product Design and Development, 6th edition, by Karl Ulrich and Steven 
Eppinger, McGraw-Hill, 2015   

Supplemental Reference 

All supplemental materials are posted on LMS. 

Course Goals / Objectives 

This course will teach you about the importance of teamwork and 
communications in the context of the engineering design process.    Interactive 
professional development exercises will provide you with the knowledge and 
skills necessary for effective teamwork.    Coursework is designed to challenge 
you to improve and expand upon your oral, written and visual communication 
skills.     

Course Content 

This course will consist of two major phases.    The first phase will involve a short 
“warm-up” mini-design project that is intended to familiarize you with the major 
elements of teamwork, communication and the design process.    Students will 
work on this project in teams of two or three.    This phase will encompass the first 
four weeks of the semester and focus on the design of a system that performs a 
simple measurable function.    The second phase builds upon the teamwork, 
communication and the design process skills and involves a more complex system 
design project that will encompass the remainder of the semester.    For this 
second project, teams will be organized into groups of five to seven students.   
Instructional aspects of the course will include a weekly lecture period to 
introduce concepts that will be used during the studio-lab sessions.      Each lecture 
will typically include a short questions and answers that will be administered 
using I-clickers.    Studio-lab sessions will include formal meetings and interactive 
exercises between student teams and instructors.    Instructors will work with 
student teams on their projects and activities to help guide the team in the design 
process.    Team members should come to studio-lab sessions prepared to discuss 
design work, project assignments, and team dynamics.    On a day-to-day basis, 
your instructors may assign specific tasks to be completed by the team or by 
individual team members related to both the design process and the development 
of your team. 

Student Learning Outcomes 

1.  Students will have the capacity to solve engineering design problems, while 

instilling the importance of creativity in developing innovative solutions. 

Syllabus 

113 of 4401 

2.  Students will know how to identify customer needs, establish design 

objectives, and translate these into engineering design specifications. 

3.  Students will exercise and improve important design skills of visualization, 

calculation, experimentation, and modeling. 

4.  Students will have skills in organizing people and ideas for successful design.   

Skills include teamwork, project management, verbal and written 
communication, and documentation. 

5.  Students will be able to function on multi-disciplinary teams and 

communicate effectively. 

6.  Students will understand professional and ethical responsibility. 
7.  Students will be exposed to the importance of life long learning. 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Paper 

once 

1, 2, 3, 4 

Presentation 

once 

1, 2, 3, 4 

Paper 

once 

1, 2, 3, 4, 5, 6 

Presentation 

once 

1, 2, 3, 4, 5, 6 

Performance 

once 

1, 2, 3, 4, 5, 6 

Paper 

once 

1, 2, 3, 4, 5, 6, 7 

Presentation 

once 

1, 2, 3, 4, 5, 6 

Quiz 

Weekly x 11 

1, 2, 3, 4, 5, 6 

Grading Criteria 

Overall course grades will use grade modifiers (A-, C+, etc.). Grades will be 
based upon a combination of: 
 
1.The quality of system design responses to the challenges and objectives of the 
overall course and individual projects.    This includes both the breadth and depth 
of understanding and development that communicates the technical, economic, 
social, and environmental impacts of engineering design.   
 
2.Willingness and ability to work in a team environment to explore existing and 
new approaches that present innovative and practical solutions for engineering 
system design problems. 
 
While time and effort expended toward work often reflects positively in the 
quality of project results, it cannot be, in itself, a guarantee of a high grade.   
Students will receive feedback at the end of every major assignment in the course. 
Those not doing satisfactory work will receive a written notice with an evaluation 
of what steps might be taken to improve.    The following weightings will be used 
to compute the final course grade:     
 
Mini Project - 25% of final grade 
Team Project - 50% of final grade * ICF 

Syllabus 

114 of 4401 

Attendance - 10% of final grade 
Quizzes - 15% of final grade 
 
ICF = Individual Contribution Factor 
ICF for an individual member of a team may be less than, equal to, or greater than 
one. 
Final Grade = Mini project + (ICF * Team Project) + Attendance + Quizzes 
 
During the first eleven weeks of the semester there will be a series of quizzes 
administered via LMS on topics covered in your textbook and during class.   
These LMS quizzes will be available for one week only, from Wednesday to 
Wednesday. You should take all of the weekly LMS quizzes. The highest ten out 
of eleven total quiz scores will be averaged to calculate your final quiz grade. The 
lowest quiz score will be dropped. In the Wednesday lectures there will be a 
series of un-graded surveys administered using i-Clickers. These surveys DO 
NOT replace the quizzes on LMS. 
 
See the syllabus document on the home page of LMS for further details on the 
grading breakdown. 

Attendance Policy 

Attendance at studio-lab sessions is mandatory.    A student may miss part or all of 
a studio-lab only if prior notice and/or acceptable reason is given.    Students are 
responsible for all missed content and work.    If a student misses more than two 
studio-labs, grades will be affected accordingly.    Class presentations, criticisms, 
and discussions are essential to the development of ideas in the context of the 
design and team processes.    Missing an assignment or design review without an 
authorized excuse will result in a grading penalty. All work submitted for grading 
should represent the student’s own effort.    Work that builds upon the prior work 
of others should be properly acknowledged.    Collaboration with other students is 
expected and essential within the contexts of design and team development and on 
designated team assignments.    Student should be mindful that the work they 
submit truly represents their own efforts.    Students found submitting work for a 
grade that is not their own will result in course failure.    If students are at all 
confused about the application of this policy, they should seek clarification from 
their instructor. 

Other Course Policies 

Mobile Devices: 
All mobile devices (cell/smart phones, computers, pagers, etc.) must be stored 
securely away during studio-labs and are not to be used unless specifically 
directed otherwise by the instructor. 
 

Syllabus 

115 of 4401 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of course failure. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 
All work submitted for grading should represent the student’s own effort.    Work 
that builds upon the prior work of others should be properly acknowledged.   
Collaboration with other students is expected and essential within the contexts of 
design and team development and on designated team assignments.    Student 
should be mindful that the work they submit truly represents their own efforts.   
Students found submitting work for a grade that is not their own will result in 
course failure.    If students are at all confused about the application of this policy, 
they should seek clarification from their instructor. 

Other Course-Specific Information 

Studio-Lab Schedule: The planned schedule for studio-labs lists the material to be 
covered in each session, the due dates for reading and assignments    and the 
classroom activities by date. This can be found in the Syllabus document on the 
LMS home page. 
 
Materials and Supplies: Students are expected to provide their own materials and 
supplies for their projects as needed. Kits for the line tracker and mousetrap car 
mini-projects will be available for purchase.    Loaner 80-20 and motor kits are 
available for a $210 deposit for the major team project. Students will typically 
need their textbook and laptop computer (with power supply / charger) for 
studio-lab sessions.   
 
Shop Access:    Students will have supervised access to the shop at various hours. 
The shop schedule will be posted on LMS. 

 

Syllabus 

116 of 4401 

 

Course Syllabus 

Course Information 

American Dream 

IHSS 1978 

Section 01 

RPI Fall 2019 

4 cr 

 

 

Discussio
n Class 

 

TF 

2:00PM-3:50PM 

SAGE 3205 

Prerequisites or Other Requirements: 
N/A 

Instructor 

Skye Anicca 

aniccs@rpi.edu 

 

 

Office Hours: TF 10:00AM-11:00AM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

The American Dream: A Short History of an Idea that Shaped a Nation by Jim 
Cullen. 
ISBN-13: 978-0195173253 
The Great Gatsby by F. Scott Fitzgerald 
ISBN-13: 978-0743273565 
The Typical American by Gish Jen 
ISBN-13: 978-0307389220 
 
         

 

Course Goals / Objectives 

Student Learning Outcomes 

1.  Students will locate and demonstrate understandings of narrative rhetoric in 

literary and cultural texts.   

2.  Students will utilize rhetorical and narrative analysis as a means to investigate 

the broad, flexible, and interdisciplinary nature of studies in the humanities.   

3.  Students will be able to analyze a variety of texts, both visual and linguistic, 

through a particular historical and/or cultural lens. 

Syllabus 

117 of 4401 

4.  Students will demonstrate the difference between summary, analysis, and 

synthesis. 

5.  Students will practice drawing connections between various historical 

narratives and contemporary cultural and political phenomena. 

6.  Students will demonstrate skills in comparative close readings of literary and 

cultural texts.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Paper 

10.01.2019 

1, 2, 4, 6 

Performance 

Twice weekly 

1, 2, 3, 5 

Participation 

Twice Weekly 

1, 2, 3, 4, 5, 6 

Homework 

Weekly 

1, 2, 3, 4, 5, 6 

Paper 

12.10.2019 

1, 2, 3, 4, 5, 6 

Grading Criteria 

Attendance                                                                            5%                          50 points (max. 
6 absences) 
Student Participation                                        20%                        200 points 
Dream Inquiry    Essay                                        25%                        250 points   
Electronic Journals                                                15%                        150 points 
Capstone Project                                                      35%                        350 points 
                                                                                                                                                                                                   
1000 points available 
 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

118 of 4401 

 

Course Syllabus 

Course Information 

American Dream 

IHSS 1978 

Section 02 

RPI Fall 2019 

4 cr 

 

 

Discussio
n Class 

 

TF 

4:00PM-5:50PM 

SAGE 3205 

Prerequisites or Other Requirements: 
N/A 

Instructor 

Skye Anicca 

aniccs@rpi.edu 

 

 

Office Hours: TF 10:00AM-11:00AM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

The American Dream: A Short History of an Idea that Shaped a Nation by Jim 
Cullen. 
ISBN-13: 978-0195173253 
The Great Gatsby by F. Scott Fitzgerald 
ISBN-13: 978-0743273565 
The Typical American by Gish Jen 
ISBN-13: 978-0307389220 
 
         

 

Course Goals / Objectives 

Student Learning Outcomes 

1.  Students will locate and demonstrate understandings of narrative rhetoric in 

literary and cultural texts.   

2.  Students will utilize rhetorical and narrative analysis as a means to investigate 

the broad, flexible, and interdisciplinary nature of studies in the humanities.   

3.  Students will be able to analyze a variety of texts, both visual and linguistic, 

through a particular historical and/or cultural lens. 

Syllabus 

119 of 4401 

4.  Students will demonstrate the difference between summary, analysis, and 

synthesis. 

5.  Students will practice drawing connections between various historical 

narratives and contemporary cultural and political phenomena. 

6.  Students will demonstrate skills in comparative close readings of literary and 

cultural texts.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Paper 

10.01.2019 

1, 2, 4, 6 

Performance 

Twice weekly 

1, 2, 3, 5 

Participation 

Twice Weekly 

1, 2, 3, 4, 5, 6 

Homework 

Weekly 

1, 2, 3, 4, 5, 6 

Paper 

12.10.2019 

1, 2, 3, 4, 5, 6 

Grading Criteria 

Attendance                                                                            5%                          50 points (max. 
6 absences) 
Student Participation                                        20%                        200 points 
Dream Inquiry    Essay                                        25%                        250 points   
Electronic Journals                                                15%                        150 points 
Capstone Project                                                      35%                        350 points 
                                                                                                                                                                                                   
1000 points available 
 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

120 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Literature 

LITR 2110 

Section 03 

RPI Fall 2019 

4 cr 

 

 

Discussio
n Class 

 

TF 

8:00AM-9:50AM 

SAGE 4203 

Prerequisites or Other Requirements: 
N/A 

Instructor 

Skye Anicca 

aniccs@rpi.edu 

 

 

Office Hours: TF 11:00AM-12:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Text(s) 

Literature: An Introduction to Fiction, Poetry, Drama, and Writing (Compact 
Edition). 8th edition, X.J. Kennedy and Dana Gioia (editors). 
ISBN-13: 978-0321971951 
Autobiography of Red by Anne Carson. 
ISBN-13: 978-0375701290 

 

Course Goals / Objectives 

Student Learning Outcomes 

1.  Students will demonstrate understandings of the generic conventions of 

literature utilizing appropriate terminology. 

2.  Students will be able to reflect on their own critical reading practices. 
3.  Students will demonstrate careful reading, including differentiation among 

reading strategies for a variety of genres. 

4.  Students will produce strong analyses of a variety of literary texts through a 

particular critical lens. 

5.  Students will construct a learning portfolio that showcases reflective learning 

and improvement in understanding and writing about literature over the course 
of the semester. 

Syllabus 

121 of 4401 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Performance 

Twice Weekly 

2, 4 

Participation 

Twice Weekly 

1, 2, 3, 4 

Paper 

11.05.2019 

1, 3, 4 

Homework 

Bi-monthly 

1, 2, 3, 4 

Project 

12.10.2019 

1, 2, 3, 4, 5 

Grading Criteria 

Attendance                                                                    5%                          50 points (max. 6 
absences) 
Student Participation                                20%                        200 points 
Literary Analysis                                                  25%                        250 points   
Short Critiques                                                      20%                        200 points 
Final Portfolio                                                          30%                        300 points 

 

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities and 
The Graduate Student Supplement define various forms of Academic Dishonesty 
and you should make yourself familiar with these. In this class, all assignments 
that are turned in for a grade must represent the student’s own work. In cases 
where help was received, or teamwork was allowed, a notation on the assignment 
should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of a failed assignment and the potential for course failure. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

122 of 4401 

 

Course Syllabus 

Course Information 

Algorithmic Game Theory 

CSCI 4963 

Section 1 

RPI Fall 2019 

4 cr 

 

 

Lecture 

 

MR 

12:00PM-1:50PM 

JONSSN 3207 

Course Website:    http://https://www.cs.rpi.edu/~eanshel/GameTheory.html 
Prerequisites or Other Requirements: 
Prerequisites: CSCI 4020 or equivalent. 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: M 2:00PM-3:00PM 

R 4:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This course is a broad introduction to the interface of theoretical computer science 
and game theory, and will focus especially on game theory in network and 
computer science applications. The emphasis will be on conceptual ideas and 
algorithmic techniques. Prerequisites: CSCI 4020 or equivalent. No prior 
knowledge of game theory or economics will be assumed, but a high level of 
comfort with proofs and mathematical concepts will be required. 

Course Text(s) 

Algorithmic Game Theory by Nisan, Roughgarden, Tardos, and Vazirani. 

Course Goals / Objectives 

After completing this course, students should be able to analyze and design 
efficient algorithms and mechanisms for a variety of computational problems 
having to do with self-interested agents. 

Student Learning Outcomes 

1.  After completing this course, students should be able to analyze and design 

efficient algorithms for a variety of computational problems having to do with 
self-interested agents. 

Syllabus 

123 of 4401 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

8 

1 

Exam 

2 

1 

Grading Criteria 

Homeworks will be assigned approximately every 2 weeks. There will not be any 
programming assignments. Homeworks should be handed in at the beginning of 
lecture on the day they are due. Late homeworks will not be accepted, except in 
case of a genuine emergency. An exception to this is that every student is 
allocated two late days, which allow the student to turn in the homework during 
the class following the due date (e.g., on a Monday instead of a Thursday). Any 
request to re-evaluate a grade must be made within one week of the return date of 
the homework or exam in question. You must explain why you think your grade 
should be changed in writing, and submit your request together with the original 
problem solution. The second grade will remain. 
 
You are allowed (and encouraged) to discuss homework problems with other 
members of the class, and to formulate ideas together. However, everyone must 
write up their assignments separately, and include the names of everyone you 
discussed the assignment with. You may not copy (or near-copy) a solution from 
another student or another source; everything you turn in must be your own work. 
Failure to write the solution to a homework completely on your own will be 
considered a breach of academic integrity, and may result in the final grade being 
reduced by a letter and a 0-grade for the homework for both parties. You may not 
consult any sources except the ones specifically mentioned on the class webpage 
(this means no Internet, no papers that are not specifically mentioned on the 
webpage, etc). No collaboration is allowed during exams. 
 
You are required to prove your statements, unless otherwise specified. If a 
homework or exam question asks you to design an algorithm for a certain task, 
then the answer must consist of a description of the algorithm (an English 
description is fine), as well as an analysis of its running time and a proof of its 
correctness. 
 
The course work will consist of several homeworks, a midterm exam, and a final 
exam. All exams will be take-home, open-book, and open-notes (but do not 
collaborate with anyone or use the Internet!) The final exam will be worth 30% of 
your grade, the midterm 20%, and the homework will be worth 50%. 
 
Both exams and homeworks will contain some special problems labeled with a 
(*). These problems are optional; however to receive an A or A- in this class you 
must do these problems. More precisely, at the end of the semester I will calculate 
two grades: one without the (*) problems, and one including the (*) problems. 
The grade without the (*) problems will be capped at 85 percent. Then I will take 

Syllabus 

124 of 4401 

the maximum of these two grades to determine your final score. Final scores will 
correspond to the following letter grades: A/A-: 85-100; B+/B/B-: 70-85; final 
scores of less than 70 percent will result in a failing grade.   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
You are allowed (and encouraged) to discuss homework problems with other 
members of the class, and to formulate ideas together. However, everyone must 
write up their assignments separately, and include the names of everyone you 
discussed the assignment with. You may not copy a solution from another. Failure 
to write the solution to a homework completely on your own will be considered a 
breach of academic integrity, and and may result in the final grade being reduced 
by a letter and a 0-grade for the homework for both parties. No collaboration is 
allowed during exams. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

125 of 4401 

 

Course Syllabus 

Course Information 

Algorithmic Game Theory 

CSCI 6963 

Section 1 

RPI Fall 2019 

4 cr 

 

 

Lecture 

 

MR 

12:00PM-1:50PM 

JONSSN 3207 

Course Website:    http://https://www.cs.rpi.edu/~eanshel/GameTheory.html 
Prerequisites or Other Requirements: 
Prerequisites: CSCI 4020 or equivalent. 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: M 2:00PM-3:00PM 

R 4:00PM-5:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

 

 

 

 

Course Description 

This course is a broad introduction to the interface of theoretical computer science 
and game theory, and will focus especially on game theory in network and 
computer science applications. The emphasis will be on conceptual ideas and 
algorithmic techniques. Prerequisites: CSCI 4020 or equivalent. No prior 
knowledge of game theory or economics will be assumed, but a high level of 
comfort with proofs and mathematical concepts will be required. 

Course Text(s) 

Algorithmic Game Theory by Nisan, Roughgarden, Tardos, and Vazirani. 

Course Goals / Objectives 

After completing this course, students should be able to analyze and design 
efficient algorithms and mechanisms for a variety of computational problems 
having to do with self-interested agents. 

Student Learning Outcomes 

1.  After completing this course, students should be able to analyze and design 

efficient algorithms for a variety of computational problems having to do with 
self-interested agents. 

Syllabus 

126 of 4401 

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

8 

1 

Exam 

2 

1 

Grading Criteria 

Homeworks will be assigned approximately every 2 weeks. There will not be any 
programming assignments. Homeworks should be handed in at the beginning of 
lecture on the day they are due. Late homeworks will not be accepted, except in 
case of a genuine emergency. An exception to this is that every student is 
allocated two late days, which allow the student to turn in the homework during 
the class following the due date (e.g., on a Monday instead of a Thursday). Any 
request to re-evaluate a grade must be made within one week of the return date of 
the homework or exam in question. You must explain why you think your grade 
should be changed in writing, and submit your request together with the original 
problem solution. The second grade will remain. 
 
You are allowed (and encouraged) to discuss homework problems with other 
members of the class, and to formulate ideas together. However, everyone must 
write up their assignments separately, and include the names of everyone you 
discussed the assignment with. You may not copy (or near-copy) a solution from 
another student or another source; everything you turn in must be your own work. 
Failure to write the solution to a homework completely on your own will be 
considered a breach of academic integrity, and may result in the final grade being 
reduced by a letter and a 0-grade for the homework for both parties. You may not 
consult any sources except the ones specifically mentioned on the class webpage 
(this means no Internet, no papers that are not specifically mentioned on the 
webpage, etc). No collaboration is allowed during exams. 
 
You are required to prove your statements, unless otherwise specified. If a 
homework or exam question asks you to design an algorithm for a certain task, 
then the answer must consist of a description of the algorithm (an English 
description is fine), as well as an analysis of its running time and a proof of its 
correctness. 
 
The course work will consist of several homeworks, a midterm exam, and a final 
exam. All exams will be take-home, open-book, and open-notes (but do not 
collaborate with anyone or use the Internet!) The final exam will be worth 30% of 
your grade, the midterm 20%, and the homework will be worth 50%. 
 
Both exams and homeworks will contain some special problems labeled with a 
(*). These problems are optional; however to receive an A or A- in this class you 
must do these problems. More precisely, at the end of the semester I will calculate 
two grades: one without the (*) problems, and one including the (*) problems. 
The grade without the (*) problems will be capped at 85 percent. Then I will take 

Syllabus 

127 of 4401 

the maximum of these two grades to determine your final score. Final scores will 
correspond to the following letter grades: A/A-: 85-100; B+/B/B-: 70-85; final 
scores of less than 70 percent will result in a failing grade.   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
You are allowed (and encouraged) to discuss homework problems with other 
members of the class, and to formulate ideas together. However, everyone must 
write up their assignments separately, and include the names of everyone you 
discussed the assignment with. You may not copy a solution from another. Failure 
to write the solution to a homework completely on your own will be considered a 
breach of academic integrity, and and may result in the final grade being reduced 
by a letter and a 0-grade for the homework for both parties. No collaboration is 
allowed during exams. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

128 of 4401 

 

Course Syllabus 

Course Information 

Design and Analysis of Algorithms 

CSCI 4020 

Section 001 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

TF 

12:00PM-1:50PM 

Sage 3303 

Course Website:    http://www.cs.rpi.edu/~eanshel/CSCI4020.html 
Prerequisites or Other Requirements: 
CSCI 2300, MATH 2800 or CSCI 2200 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: MR 3:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Wennan Zhu 

TBD 

Wed, Thy 
12pm-1:30pm 

zhuw5@rpi.edu 

Course Text(s) 

Algorithm Design by Jon Kleinberg and Éva Tardos 

Course Goals / Objectives 

Students who successfully complete this course will be able to analyze and design 
efficient algorithms for a variety of computational problems. They will also be 
able to communicate their ideas in the form of precise algorithm descriptions and 
rigorous proofs.   

Course Content 

•Introduction: Stable matchings, some representative problems, and the basics of 
algorithm design.   
•Greedy Algorithms: General greedy techniques, minimum spanning trees   
•Divide and Conquer   
•Dynamic Programming: Weighted interval scheduling, knapsack, and many 
applications.   
•Flows and Cuts in Networks: Max-flow Min-cut Theorem, augmenting paths, 
basic applications.   
•Applications of Flows: Extensions of flows to more general models, more 
advanced applications.   
•Computational Hardness, Reductions, and NP-Completeness   

Syllabus 

129 of 4401 

•Algorithms for Hard Problems: Approximation Algorithms, Randomized 
Algorithms, Local Search   
 

Student Learning Outcomes 

1.  Students who successfully complete this course will be able to analyze and 

design efficient algorithms for a variety of computational problems. They will 
also be able to communicate their ideas in the form of precise algorithm 
descriptions and rigorous proofs.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

7 per semester 

1 

Exam 

2 per semester 

1 

Quiz 

1 at start of class  1 

Grading Criteria 

Grading. The midterm will count for 30% of your final grade, the final for 35%, 
and the homework for 30%. The quiz during the second week of class will count 
for the remaining 5%. We will drop the lowest homework grade. 
Regrades: Any request to re-evaluate a grade must be made within one week of 
the return date of the homework or exam in question. You must explain why you 
think your grade should be changed in writing, and submit your request to me or a 
TA, together with the original problem solution. The second grade will remain. 
Final Grades: Final scores will correspond to the following letter grades: A/A-: 
85-100; B+/B/B-: 75-85; C+/C/C-: 60-75; D+/D: 50-60   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of the final grade being reduced by a letter and a 0-grade for the 
homework for both parties. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

130 of 4401 

 

Course Syllabus 

Course Information 

Design and Analysis of Algorithms 

CSCI 6020 

Section 001 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

TF 

12:00PM-1:50PM 

Sage 3303 

Course Website:    http://www.cs.rpi.edu/~eanshel/CSCI4020.html 
Prerequisites or Other Requirements: 
CSCI 2300, MATH 2800 or CSCI 2200 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: MR 3:00PM-4:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Wennan Zhu 

TBD 

Wed, Thy 
12pm-1:30pm 

zhuw5@rpi.edu 

Course Text(s) 

Algorithm Design by Jon Kleinberg and Éva Tardos 

Course Goals / Objectives 

Students who successfully complete this course will be able to analyze and design 
efficient algorithms for a variety of computational problems. They will also be 
able to communicate their ideas in the form of precise algorithm descriptions and 
rigorous proofs.   

Course Content 

•Introduction: Stable matchings, some representative problems, and the basics of 
algorithm design.   
•Greedy Algorithms: General greedy techniques, minimum spanning trees   
•Divide and Conquer   
•Dynamic Programming: Weighted interval scheduling, knapsack, and many 
applications.   
•Flows and Cuts in Networks: Max-flow Min-cut Theorem, augmenting paths, 
basic applications.   
•Applications of Flows: Extensions of flows to more general models, more 
advanced applications.   
•Computational Hardness, Reductions, and NP-Completeness   

Syllabus 

131 of 4401 

•Algorithms for Hard Problems: Approximation Algorithms, Randomized 
Algorithms, Local Search   
 

Student Learning Outcomes 

1.  Students who successfully complete this course will be able to analyze and 

design efficient algorithms for a variety of computational problems. They will 
also be able to communicate their ideas in the form of precise algorithm 
descriptions and rigorous proofs.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Homework 

7 per semester 

1 

Exam 

2 per semester 

1 

Quiz 

1 at start of class  1 

Grading Criteria 

Grading. The midterm will count for 30% of your final grade, the final for 35%, 
and the homework for 30%. The quiz during the second week of class will count 
for the remaining 5%. We will drop the lowest homework grade. 
Regrades: Any request to re-evaluate a grade must be made within one week of 
the return date of the homework or exam in question. You must explain why you 
think your grade should be changed in writing, and submit your request to me or a 
TA, together with the original problem solution. The second grade will remain. 
Final Grades: Final scores will correspond to the following letter grades: A/A-: 
85-100; B+/B/B-: 75-85; C+/C/C-: 60-75; D+/D: 50-60   

Academic Integrity 

Student-teacher relationships are built on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts that violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. In this class, all assignments that are turned in for a grade must 
represent the student’s own work. In cases where help was received, or teamwork 
was allowed, a notation on the assignment should indicate your collaboration. 
Submission of any assignment that is in violation of this policy will result in a 
penalty of the final grade being reduced by a letter and a 0-grade for the 
homework for both parties. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

132 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Algorithms 

CSCI 2300 

Section 1 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

12:00PM-1:50PM 

SAGE 3303 

Lab 

 

W 

10:00AM-11:50AM 

SAGE 3101 

Test 

 

R 

6:00PM-7:50PM 

WEST AUD 

Course Website:    http://www.cs.rpi.edu/~eanshel/CSCI2300.html 
Prerequisites or Other Requirements: 
CSCI 1200 and CSCI 2200 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: M 3:00PM-4:00PM 

R 2:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Maksim 
Tsikhanovich 

SAGE 3101 

Wed 10am 

tsikhm@rpi.edu 

Course Description 

Data structures and algorithms, and the mathematical techniques necessary to 
design and analyze them. Basic data structures: lists, associative structures, trees. 
Mathematical techniques for designing algorithms and analyzing worst-case and 
expected-case algorithm efficiency. Advanced data structures: balanced trees, 
tries, heaps, priority queues, graphs. Searching, sorting. Algorithm design 
techniques: dynamic programming, greedy algorithms, divide-and-conquer, 
backtracking. Example graph, string, geometric, and numeric algorithms. 

Course Text(s) 

Algorithms by Dasgupta, Papadimitriou, and Vazirani. 

Course Goals / Objectives 

The goal of this course is to provide a strong foundation in algorithms and data 
structures in preparation for jobs in industry or for more advanced courses. 
Algorithms are the basic language of computer science. After taking this course, 
you, the student, should be able to:   

Syllabus 

133 of 4401 

•Understand the correctness of, and analyze the running times of, different 
algorithms.   
•Use different algorithm-design techniques, including, but not limited to, greedy, 
divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   
•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 
show that problems are hard by reducing from other problems.   
•Make intelligent decisions about alternative data structures and algorithmic 
techniques in the context of practical software problems, choosing from existing 
data structures and algorithms or designing your own when necessary.   
 

Course Content 

Week 1: Aug 30 and Sep 2 Introduction to Algorithms: Chapter 0 Aug 31: Lab 0 
(optional) Lab 1: Due Wednesday, Sep 7 
 
Week 2: Sep 6 and 9 Graph Algorithms: Sections 3.1, 4.1-4.2 Sep 7: Lab 1 due 
Homework 1: Due Friday, Sep 16 
 
Week 3: Sep 13 and 16 Graph Algorithms: Sections 3.2-3.4 
Sep 14: Recitation/Office Hours Homework 1 due Friday 
Lab 2: Due Wednesday, Sep 21 
 
Week 4: Sep 20 and 23 Graph Algorithms: Sections 4.3-4.5, 4.7 
Greedy Algorithms: Section 5.1 Sep 21: Lab 2 due Homework 2: Due Friday, Sep 
30 
 
Week 5: Sep 27 and 30 Greedy Algorithms:Sec 5.1, Interval Scheduling Sep 28: 
Recitation/Office Hours Homework 2 due Friday 
Homework 3: Due Friday, Oct 14 
 
Week 6: Oct 4 and 7 Divide and Conquer: Section 2.3 
Exam 1 on Friday, Oct 7, 2:00pm-3:50pm Oct 5: Recitation/Office Hours   
 
Week 7: Oct 14 Divide and Conquer: Sections 2.1-2.2 Oct 12: Office Hours 
(optional) Homework 3 due Friday 
Lab 3: Due Wednesday, Oct 19 
 
Week 8: Oct 18 and 21 Divide and Conquer, Randomized Algorithms: Sections 
2.4-2.5 
Oct 19: Lab 3 due Homework 4: Due Friday, Oct 28 
 
Week 9: Oct 25 and 28 Dynamic Programming: Sections 6.1-6.3 
Oct 26: Recitation/Office Hours Homework 4 due Friday 
Lab 4: Due Wednesday, Nov 2 

Syllabus 

134 of 4401 

 
Week 10: Nov 1 and 4 Dynamic Programming: Sections 6.4-6.5 
Nov 2: Lab 4 due Homework 5: Due Friday, Nov 11 
 
Week 11: Nov 8 and 11 Dynamic Programming: Sections 4.6, 6.6 
Network Flow and Linear Programming: Sections 7.1-7.2 
Nov 9: Recitation/Office Hours Homework 5 due Friday 
Homework 6: Due Tuesday, Nov 22 
 
Week 12: Nov 15 and 18 Network Flow and Linear Programming: Sections 
7.2-7.3 
Exam 2 on Friday, Nov 18, 2:00pm-3:50pm Nov 16: Recitation/Office Hours   
 
Week 13: Nov 22 NP-Complete Problems: Chapter 8 Nov 23: No Office Hours 
due to Thanksgiving Homework 6 due Tuesday 
Homework 7: Due Friday, Dec 2 
 
Week 14: Nov 29 and Dec 2 NP-Complete Problems: Chapter 8 Nov 30: 
Recitation/Office Hours Homework 7 due Friday 
Lab 5: Due Wednesday, Dec 7 
 
Week 15: Dec 6 and 9 NP-Complete Problems: Chapter 8 
Dealing with Intractability: Chapter 9 Dec 7: Lab 5 due 

Student Learning Outcomes 

1.  The goal of this course is to provide a strong foundation in algorithms and 

data structures in preparation for jobs in industry or for more advanced 
courses. Algorithms are the basic language of computer science. After taking 
this course, you, the student, should be able to:   

•Understand the correctness of, and analyze the running times of, different 

algorithms.   

•Use different algorithm-design techniques, including, but not limited to, greedy, 

divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   

•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 

show that problems are hard by reducing from other problems.   

•Make intelligent decisions about alternative data structures and algorithmic 

techniques in the context of practical software problems, choosing from 
existing data structures and algorithms or designing your own when 
necessary.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

3 

1 

Syllabus 

135 of 4401 

Homework 

7 

1 

programming lab 

5 

1 

Recitation 

7 

1 

Grading Criteria 

The two midterm exams will count for 20% of your final grade each, the final 
exam for 30%, the homework for 18%, the labs for 10%, and the recitation 
attendance for 2%. We will drop the lowest homework grade. Students will be 
graded on a curve; there are no fixed grade thresholds. To pass the class, a student 
must earn an average grade of at least 60 percent on the exams. We will give an 
approximate grade breakdown in the middle of the semester, but you are 
responsible for keeping track of your own grades by asking the TA during lab or 
by checking LMS. If there is any error with your recorded grades, you must notify 
the instructor within one week of the grade being recorded on LMS. 
Regrades: Any request to re-evaluate a grade must be made within one week of 
the return date of the homework or exam in question. You must explain why you 
think your grade should be changed in writing, and submit your request to an 
instructor or a TA, together with the original problem solution. The second grade 
will remain. Your entire assignment or exam will be regraded and your grade may 
go up or down, or it may stay the same.   

Academic Integrity 

Student-teacher relationships are based on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts which violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. 
In this class, you are allowed (and encouraged) to discuss homework and lab 
problems with other members of the class, and to formulate ideas together. 
However, everyone must write up their assignments completely separately, and 
include the names of everyone you discussed the assignment with. When working 
on lab assignments, you may discuss general approaches to the problem, but you 
may not look at anyone else's code or show your code to them: all the actual 
programming must be done entirely on your own. Failure to write the solution to a 
homework or lab completely on your own will be considered a breach of 
academic integrity. You may not copy (or near-copy) a solution from another, or 
use resources other than the class notes or the class textbook. Use of materials 
other than the class textbooks, including any material found on the Internet or 
material from previous versions of this course, is a clear breach of academic 
integrity and will be punished severely. No collaboration, or any electronic 
devices, is allowed during exams. Violating the above policy will result in the 
final grade being reduced by a letter and a 0-grade for the assignment for both 
parties. Depending on the circumstances, harsher penalties may be used, including 
a failing grade for the class. 

Syllabus 

136 of 4401 

Submission of any assignment that is in violation of this policy will result in a 
penalty of    the final grade being reduced by a letter and a 0-grade for the 
assignment for both parties. Depending on the circumstances, harsher penalties 
may be used, including a failing grade for the class. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

137 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Algorithms 

CSCI 2300 

Section 2 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

12:00PM-1:50PM 

SAGE 3303 

Lab 

 

W 

10:00AM-11:50AM 

SAGE 3101 

Test 

 

R 

6:00PM-7:50PM 

WEST AUD 

Course Website:    http://www.cs.rpi.edu/~eanshel/CSCI2300.html 
Prerequisites or Other Requirements: 
CSCI 1200 and CSCI 2200 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: M 3:00PM-4:00PM 

R 2:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Maksim 
Tsikhanovich 

SAGE 3101 

Wed 10am 

tsikhm@rpi.edu 

Course Description 

Data structures and algorithms, and the mathematical techniques necessary to 
design and analyze them. Basic data structures: lists, associative structures, trees. 
Mathematical techniques for designing algorithms and analyzing worst-case and 
expected-case algorithm efficiency. Advanced data structures: balanced trees, 
tries, heaps, priority queues, graphs. Searching, sorting. Algorithm design 
techniques: dynamic programming, greedy algorithms, divide-and-conquer, 
backtracking. Example graph, string, geometric, and numeric algorithms. 

Course Text(s) 

Algorithms by Dasgupta, Papadimitriou, and Vazirani. 

Course Goals / Objectives 

The goal of this course is to provide a strong foundation in algorithms and data 
structures in preparation for jobs in industry or for more advanced courses. 
Algorithms are the basic language of computer science. After taking this course, 
you, the student, should be able to:   

Syllabus 

138 of 4401 

•Understand the correctness of, and analyze the running times of, different 
algorithms.   
•Use different algorithm-design techniques, including, but not limited to, greedy, 
divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   
•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 
show that problems are hard by reducing from other problems.   
•Make intelligent decisions about alternative data structures and algorithmic 
techniques in the context of practical software problems, choosing from existing 
data structures and algorithms or designing your own when necessary.   
 

Course Content 

Week 1: Aug 30 and Sep 2 Introduction to Algorithms: Chapter 0 Aug 31: Lab 0 
(optional) Lab 1: Due Wednesday, Sep 7 
 
Week 2: Sep 6 and 9 Graph Algorithms: Sections 3.1, 4.1-4.2 Sep 7: Lab 1 due 
Homework 1: Due Friday, Sep 16 
 
Week 3: Sep 13 and 16 Graph Algorithms: Sections 3.2-3.4 
Sep 14: Recitation/Office Hours Homework 1 due Friday 
Lab 2: Due Wednesday, Sep 21 
 
Week 4: Sep 20 and 23 Graph Algorithms: Sections 4.3-4.5, 4.7 
Greedy Algorithms: Section 5.1 Sep 21: Lab 2 due Homework 2: Due Friday, Sep 
30 
 
Week 5: Sep 27 and 30 Greedy Algorithms:Sec 5.1, Interval Scheduling Sep 28: 
Recitation/Office Hours Homework 2 due Friday 
Homework 3: Due Friday, Oct 14 
 
Week 6: Oct 4 and 7 Divide and Conquer: Section 2.3 
Exam 1 on Friday, Oct 7, 2:00pm-3:50pm Oct 5: Recitation/Office Hours   
 
Week 7: Oct 14 Divide and Conquer: Sections 2.1-2.2 Oct 12: Office Hours 
(optional) Homework 3 due Friday 
Lab 3: Due Wednesday, Oct 19 
 
Week 8: Oct 18 and 21 Divide and Conquer, Randomized Algorithms: Sections 
2.4-2.5 
Oct 19: Lab 3 due Homework 4: Due Friday, Oct 28 
 
Week 9: Oct 25 and 28 Dynamic Programming: Sections 6.1-6.3 
Oct 26: Recitation/Office Hours Homework 4 due Friday 
Lab 4: Due Wednesday, Nov 2 

Syllabus 

139 of 4401 

 
Week 10: Nov 1 and 4 Dynamic Programming: Sections 6.4-6.5 
Nov 2: Lab 4 due Homework 5: Due Friday, Nov 11 
 
Week 11: Nov 8 and 11 Dynamic Programming: Sections 4.6, 6.6 
Network Flow and Linear Programming: Sections 7.1-7.2 
Nov 9: Recitation/Office Hours Homework 5 due Friday 
Homework 6: Due Tuesday, Nov 22 
 
Week 12: Nov 15 and 18 Network Flow and Linear Programming: Sections 
7.2-7.3 
Exam 2 on Friday, Nov 18, 2:00pm-3:50pm Nov 16: Recitation/Office Hours   
 
Week 13: Nov 22 NP-Complete Problems: Chapter 8 Nov 23: No Office Hours 
due to Thanksgiving Homework 6 due Tuesday 
Homework 7: Due Friday, Dec 2 
 
Week 14: Nov 29 and Dec 2 NP-Complete Problems: Chapter 8 Nov 30: 
Recitation/Office Hours Homework 7 due Friday 
Lab 5: Due Wednesday, Dec 7 
 
Week 15: Dec 6 and 9 NP-Complete Problems: Chapter 8 
Dealing with Intractability: Chapter 9 Dec 7: Lab 5 due 

Student Learning Outcomes 

1.  The goal of this course is to provide a strong foundation in algorithms and 

data structures in preparation for jobs in industry or for more advanced 
courses. Algorithms are the basic language of computer science. After taking 
this course, you, the student, should be able to:   

•Understand the correctness of, and analyze the running times of, different 

algorithms.   

•Use different algorithm-design techniques, including, but not limited to, greedy, 

divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   

•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 

show that problems are hard by reducing from other problems.   

•Make intelligent decisions about alternative data structures and algorithmic 

techniques in the context of practical software problems, choosing from 
existing data structures and algorithms or designing your own when 
necessary.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

3 

1 

Syllabus 

140 of 4401 

Homework 

7 

1 

programming lab 

5 

1 

Recitation 

7 

1 

Grading Criteria 

The two midterm exams will count for 20% of your final grade each, the final 
exam for 30%, the homework for 18%, the labs for 10%, and the recitation 
attendance for 2%. We will drop the lowest homework grade. Students will be 
graded on a curve; there are no fixed grade thresholds. To pass the class, a student 
must earn an average grade of at least 60 percent on the exams. We will give an 
approximate grade breakdown in the middle of the semester, but you are 
responsible for keeping track of your own grades by asking the TA during lab or 
by checking LMS. If there is any error with your recorded grades, you must notify 
the instructor within one week of the grade being recorded on LMS. 
Regrades: Any request to re-evaluate a grade must be made within one week of 
the return date of the homework or exam in question. You must explain why you 
think your grade should be changed in writing, and submit your request to an 
instructor or a TA, together with the original problem solution. The second grade 
will remain. Your entire assignment or exam will be regraded and your grade may 
go up or down, or it may stay the same.   

Academic Integrity 

Student-teacher relationships are based on trust. For example, students must trust 
that teachers have made appropriate decisions about the structure and content of 
the courses they teach, and teachers must trust that the assignments that students 
turn in are their own. Acts which violate this trust undermine the educational 
process. The Rensselaer Handbook of Student Rights and Responsibilities defines 
various forms of Academic Dishonesty and you should make yourself familiar 
with these. 
In this class, you are allowed (and encouraged) to discuss homework and lab 
problems with other members of the class, and to formulate ideas together. 
However, everyone must write up their assignments completely separately, and 
include the names of everyone you discussed the assignment with. When working 
on lab assignments, you may discuss general approaches to the problem, but you 
may not look at anyone else's code or show your code to them: all the actual 
programming must be done entirely on your own. Failure to write the solution to a 
homework or lab completely on your own will be considered a breach of 
academic integrity. You may not copy (or near-copy) a solution from another, or 
use resources other than the class notes or the class textbook. Use of materials 
other than the class textbooks, including any material found on the Internet or 
material from previous versions of this course, is a clear breach of academic 
integrity and will be punished severely. No collaboration, or any electronic 
devices, is allowed during exams. Violating the above policy will result in the 
final grade being reduced by a letter and a 0-grade for the assignment for both 
parties. Depending on the circumstances, harsher penalties may be used, including 
a failing grade for the class. 

Syllabus 

141 of 4401 

Submission of any assignment that is in violation of this policy will result in a 
penalty of    the final grade being reduced by a letter and a 0-grade for the 
assignment for both parties. Depending on the circumstances, harsher penalties 
may be used, including a failing grade for the class. 
If you have any question concerning this policy before submitting an assignment, 
please ask for clarification. 

 

Syllabus 

142 of 4401 

 

Course Syllabus 

Course Information 

Introduction to Algorithms 

CSCI 2300 

Section 3 

RPI Spring 2019 

4 cr 

 

 

Lecture 

 

MR 

12:00PM-1:50PM 

SAGE 3303 

Lab 

 

W 

10:00AM-11:50AM 

SAGE 3101 

Test 

 

R 

6:00PM-7:50PM 

WEST AUD 

Course Website:    http://www.cs.rpi.edu/~eanshel/CSCI2300.html 
Prerequisites or Other Requirements: 
CSCI 1200 and CSCI 2200 

Instructor 

Dr. Elliot Anshelevich 

eanshel@cs.rpi.edu 

Office Location: LALLY 311 

(518) 276-6491 

Office Hours: M 3:00PM-4:00PM 

R 2:00PM-3:00PM 

 

Teaching Assistant(s) 

Name 

Office 

Office Hours 

Email Address 

Maksim 
Tsikhanovich 

SAGE 3101 

Wed 10am 

tsikhm@rpi.edu 

Course Description 

Data structures and algorithms, and the mathematical techniques necessary to 
design and analyze them. Basic data structures: lists, associative structures, trees. 
Mathematical techniques for designing algorithms and analyzing worst-case and 
expected-case algorithm efficiency. Advanced data structures: balanced trees, 
tries, heaps, priority queues, graphs. Searching, sorting. Algorithm design 
techniques: dynamic programming, greedy algorithms, divide-and-conquer, 
backtracking. Example graph, string, geometric, and numeric algorithms. 

Course Text(s) 

Algorithms by Dasgupta, Papadimitriou, and Vazirani. 

Course Goals / Objectives 

The goal of this course is to provide a strong foundation in algorithms and data 
structures in preparation for jobs in industry or for more advanced courses. 
Algorithms are the basic language of computer science. After taking this course, 
you, the student, should be able to:   

Syllabus 

143 of 4401 

•Understand the correctness of, and analyze the running times of, different 
algorithms.   
•Use different algorithm-design techniques, including, but not limited to, greedy, 
divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   
•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 
show that problems are hard by reducing from other problems.   
•Make intelligent decisions about alternative data structures and algorithmic 
techniques in the context of practical software problems, choosing from existing 
data structures and algorithms or designing your own when necessary.   
 

Course Content 

Week 1: Aug 30 and Sep 2 Introduction to Algorithms: Chapter 0 Aug 31: Lab 0 
(optional) Lab 1: Due Wednesday, Sep 7 
 
Week 2: Sep 6 and 9 Graph Algorithms: Sections 3.1, 4.1-4.2 Sep 7: Lab 1 due 
Homework 1: Due Friday, Sep 16 
 
Week 3: Sep 13 and 16 Graph Algorithms: Sections 3.2-3.4 
Sep 14: Recitation/Office Hours Homework 1 due Friday 
Lab 2: Due Wednesday, Sep 21 
 
Week 4: Sep 20 and 23 Graph Algorithms: Sections 4.3-4.5, 4.7 
Greedy Algorithms: Section 5.1 Sep 21: Lab 2 due Homework 2: Due Friday, Sep 
30 
 
Week 5: Sep 27 and 30 Greedy Algorithms:Sec 5.1, Interval Scheduling Sep 28: 
Recitation/Office Hours Homework 2 due Friday 
Homework 3: Due Friday, Oct 14 
 
Week 6: Oct 4 and 7 Divide and Conquer: Section 2.3 
Exam 1 on Friday, Oct 7, 2:00pm-3:50pm Oct 5: Recitation/Office Hours   
 
Week 7: Oct 14 Divide and Conquer: Sections 2.1-2.2 Oct 12: Office Hours 
(optional) Homework 3 due Friday 
Lab 3: Due Wednesday, Oct 19 
 
Week 8: Oct 18 and 21 Divide and Conquer, Randomized Algorithms: Sections 
2.4-2.5 
Oct 19: Lab 3 due Homework 4: Due Friday, Oct 28 
 
Week 9: Oct 25 and 28 Dynamic Programming: Sections 6.1-6.3 
Oct 26: Recitation/Office Hours Homework 4 due Friday 
Lab 4: Due Wednesday, Nov 2 

Syllabus 

144 of 4401 

 
Week 10: Nov 1 and 4 Dynamic Programming: Sections 6.4-6.5 
Nov 2: Lab 4 due Homework 5: Due Friday, Nov 11 
 
Week 11: Nov 8 and 11 Dynamic Programming: Sections 4.6, 6.6 
Network Flow and Linear Programming: Sections 7.1-7.2 
Nov 9: Recitation/Office Hours Homework 5 due Friday 
Homework 6: Due Tuesday, Nov 22 
 
Week 12: Nov 15 and 18 Network Flow and Linear Programming: Sections 
7.2-7.3 
Exam 2 on Friday, Nov 18, 2:00pm-3:50pm Nov 16: Recitation/Office Hours   
 
Week 13: Nov 22 NP-Complete Problems: Chapter 8 Nov 23: No Office Hours 
due to Thanksgiving Homework 6 due Tuesday 
Homework 7: Due Friday, Dec 2 
 
Week 14: Nov 29 and Dec 2 NP-Complete Problems: Chapter 8 Nov 30: 
Recitation/Office Hours Homework 7 due Friday 
Lab 5: Due Wednesday, Dec 7 
 
Week 15: Dec 6 and 9 NP-Complete Problems: Chapter 8 
Dealing with Intractability: Chapter 9 Dec 7: Lab 5 due 

Student Learning Outcomes 

1.  The goal of this course is to provide a strong foundation in algorithms and 

data structures in preparation for jobs in industry or for more advanced 
courses. Algorithms are the basic language of computer science. After taking 
this course, you, the student, should be able to:   

•Understand the correctness of, and analyze the running times of, different 

algorithms.   

•Use different algorithm-design techniques, including, but not limited to, greedy, 

divide-and-conquer, and dynamic programming techniques, to solve particular 
problems.   

•Model real problems abstractly using the language of graphs and flows.   
•Solve problems by reducing to other problems whose solution is known, and 

show that problems are hard by reducing from other problems.   

•Make intelligent decisions about alternative data structures and algorithmic 

techniques in the context of practical software problems, choosing from 
existing data structures and algorithms or designing your own when 
necessary.   

Course Assessment Measures 

Assessment 

Due Date 

Learning Outcome #s 

Exam 

3 

1